双重注意力MobDenseNet(DAMDNet)进行稳健的3D人脸对齐(ICCV2019研讨会)-Pytorch 笔记 在“ Demo.py”文件中,您将找到如何运行这些代码。 在“ FaceSwap / Demo2.py”文件中,您将找到如何运行人脸交换代码。 抽象的 本文提出了一种双重注意机制和一种高效的端到端3D人脸对齐框架。通过深度可分离卷积,密集连接卷积和轻量级通道注意机制,我们建立了一个稳定的网络模型。 为了增强网络模型提取人脸区域空间特征的能力,我们采用空间分组智能特征增强模块来提高网络的表示能力。 共同应用不同的损失函数来约束3D可变形模型(3DMM)及其3D顶点的3D参数。 我们使用各种数据增强方法并生成大型虚拟姿势人脸数据集来解决数据不平衡问题。 在具有挑战性的AFLW,AFLW2000-3D数据集上进行的实验表明,我们的算法显着提高了3D人脸对齐的准确性。 我们使用