Proyek InsightFace terutama dikelola oleh Jia Guo dan Jiankang Deng.
Untuk semua kontributor utama, silakan periksa kontribusinya.
Kode InsightFace dirilis di bawah Lisensi MIT. Tidak ada batasan untuk penggunaan akademis dan komersial.
Data pelatihan yang berisi anotasi (dan model yang dilatih dengan data ini) tersedia hanya untuk tujuan penelitian non-komersial.
Baik model pengunduhan manual dari repo github kami maupun model pengunduhan otomatis dengan perpustakaan python kami mengikuti kebijakan lisensi di atas (yang hanya untuk tujuan penelitian non-komersial).
2024-08-01 Kami telah mengintegrasikan model pertukaran wajah tercanggih kami: inswapper_cyn dan inswapper_dax , ke dalam layanan pertukaran wajah Picsi.Ai. Model ini mengungguli hampir semua produk komersial serupa dan model sumber terbuka kami inswapper_128. Silakan kunjungi situs web Picsi.Ai untuk menggunakan layanan ini dan mendapatkan bantuan.
2024-05-04 Kami telah menambahkan InspireFace, yang merupakan SDK pengenalan wajah lintas platform yang dikembangkan dalam C/C++, mendukung banyak sistem operasi dan berbagai backend.
2023-04-01 : Kami mengintegrasikan model pertukaran wajah tercanggih kami: inswapper_cyn dan inswapper_dax dan memindahkan layanan ke bot Discord, yang juga mendukung pengeditan gambar yang dihasilkan Midjourney, lihat detailnya di web-demos/swapping_discord dan situs web Picsi.Ai kami .
2022-08-12 : Kami meraih peringkat ke-1 dalam Tantangan Rekonstruksi Wajah 3D Bermata Berbasis Proyeksi Perspektif dari Lokakarya, makalah, dan kode WCPA ECCV-2022.
2021-11-30 : MFR-Tantangan berkelanjutan diluncurkan (sama dengan IFRT), yang merupakan versi lanjutan dari iccv21-mfr.
2021-10-29 : Kami meraih juara 1 pada jalur VISA NIST-FRVT 1:1 dengan menggunakan Partial FC (Xiang An, Jiankang Deng, Jia Guo).
2024-08-01 Kami telah mengintegrasikan model pertukaran wajah tercanggih kami: inswapper_cyn dan inswapper_dax , ke dalam layanan pertukaran wajah Picsi.Ai. Model ini mengungguli hampir semua produk komersial serupa dan model sumber terbuka kami inswapper_128. Silakan kunjungi situs web Picsi.Ai untuk menggunakan layanan ini dan mendapatkan bantuan.
2024-05-04 Kami telah menambahkan InspireFace, yang merupakan SDK pengenalan wajah lintas platform yang dikembangkan dalam C/C++, mendukung banyak sistem operasi dan berbagai backend.
2024-04-17 : Rekonstruksi Reflektansi Wajah Berkondisi Identitas Monokuler diterima oleh CVPR-2024.
2023-08-08 : Kami merilis penerapan Generalisasi Estimasi Pandangan dengan Pengawasan Lemah dari Tampilan Sintetis pada rekonstruksi/pandangan.
2023-05-03 : Kami telah meluncurkan versi tantangan anti-spoofing wajah liar yang sedang berlangsung. Lihat detailnya di sini.
2023-04-01 : Kami mengintegrasikan model pertukaran wajah tercanggih kami: inswapper_cyn dan inswapper_dax dan memindahkan layanan ke bot Discord, yang juga mendukung pengeditan gambar yang dihasilkan Midjourney, lihat detailnya di web-demos/swapping_discord dan situs web Picsi.Ai kami .
2023-02-13 : Kami meluncurkan tantangan anti-spoofing wajah liar dalam skala besar di Lokakarya CVPR23, lihat detailnya di tantangan/cvpr23-fas-wild.
2022-11-28 : Kode baris tunggal untuk pertukaran identitas wajah di paket python kami ver 0.7, silakan periksa contoh di sini.
2022-10-28 : MFR-Situs web yang sedang berjalan telah difaktorkan ulang, harap buat masalah jika ada bug.
2022-09-22 : Sekarang kami memiliki demo web: lokalisasi wajah, pengenalan wajah, dan pertukaran wajah.
2022-08-12 : Kami meraih peringkat ke-1 dalam Tantangan Rekonstruksi Wajah 3D Bermata Berbasis Proyeksi Perspektif dari Lokakarya, makalah, dan kode WCPA ECCV-2022.
2022-03-30 : FC Parsial diterima oleh CVPR-2022.
2022-02-23 : SCRFD diterima oleh ICLR-2022.
2021-11-30 : MFR-Tantangan berkelanjutan diluncurkan (sama dengan IFRT), yang merupakan versi lanjutan dari iccv21-mfr.
2021-10-29 : Kami meraih juara 1 pada jalur VISA NIST-FRVT 1:1 dengan menggunakan Partial FC (Xiang An, Jiankang Deng, Jia Guo).
2021-10-11 : Papan Peringkat ICCV21 - Tantangan Pengenalan Wajah Bertopeng dirilis. Video: Youtube, Bilibili.
2021-06-05 : Kami meluncurkan Tantangan & Lokakarya Pengenalan Wajah Bertopeng di ICCV 2021.
InsightFace adalah kotak alat analisis wajah dalam 2D&3D sumber terbuka, terutama berdasarkan PyTorch dan MXNet.
Silakan periksa situs web kami untuk detailnya.
Cabang master berfungsi dengan PyTorch 1.6+ dan/atau MXNet=1.6-1.8 , dengan Python 3.x .
InsightFace secara efisien mengimplementasikan beragam algoritme canggih untuk pengenalan wajah, deteksi wajah, dan penyelarasan wajah, yang dioptimalkan untuk pelatihan dan penerapan.
Silakan mulai dengan paket python kami, untuk menguji model deteksi, pengenalan, dan penyelarasan pada gambar masukan.
Silakan klik gambar untuk menonton video Youtube. Untuk pengguna Bilibili, klik di sini.
Halaman di situs web InsightFace juga menjelaskan semua proyek yang didukung di InsightFace.
Anda mungkin juga tertarik dengan beberapa tantangan yang diadakan oleh InsightFace.
Dalam modul ini, kami menyediakan data pelatihan, pengaturan jaringan, dan desain kerugian untuk pengenalan wajah mendalam.
Metode yang didukung adalah sebagai berikut:
Tulang punggung jaringan yang umum digunakan disertakan dalam sebagian besar metode, seperti IResNet, MobilefaceNet, MobileNet, InceptionResNet_v2, DenseNet, dll.
Data pelatihan mencakup, namun tidak terbatas pada kumpulan data MS1M, VGG2, dan CASIA-Webface yang telah dibersihkan, yang telah dikemas dalam format biner MXNet. Silakan halaman dataset untuk detailnya.
Kami menyediakan jalur evaluasi standar IJB dan Megaface dalam evaluasi
Silakan periksa Model-Zoo untuk model terlatih lainnya.
Dalam modul ini, kami menyediakan data pelatihan dengan anotasi, pengaturan jaringan, dan desain kerugian untuk pelatihan deteksi wajah, evaluasi, dan inferensi.
Metode yang didukung adalah sebagai berikut:
RetinaFace adalah pendeteksi wajah satu tahap praktis yang diterima oleh CVPR 2020. Kami menyediakan kode pelatihan, kumpulan data pelatihan, model terlatih, dan skrip evaluasi.
SCRFD adalah pendekatan deteksi wajah dengan akurasi tinggi yang efisien yang awalnya dijelaskan di Arxiv. Kami menyediakan pipeline yang mudah digunakan untuk melatih detektor wajah berefisiensi tinggi dengan dukungan NAS.
Dalam modul ini, kami menyediakan kumpulan data dan alur pelatihan/inferensi untuk penyelarasan wajah.
Metode yang didukung:
SDUNets adalah metode berbasis peta panas yang diterima di BMVC.
SimpleRegression menyediakan model landmark wajah yang sangat ringan dengan regresi koordinat yang cepat. Masukan dari model ini adalah gambar wajah yang dipotong longgar sedangkan keluarannya berupa koordinat landmark langsung.
Jika Anda merasa InsightFace berguna dalam penelitian Anda, mohon pertimbangkan untuk mengutip makalah terkait berikut:
@inproceedings{ren2023pbidr,
title={Facial Geometric Detail Recovery via Implicit Representation},
author={Ren, Xingyu and Lattas, Alexandros and Gecer, Baris and Deng, Jiankang and Ma, Chao and Yang, Xiaokang},
booktitle={2023 IEEE 17th International Conference on Automatic Face and Gesture Recognition (FG)},
year={2023}
}
@article{guo2021sample,
title={Sample and Computation Redistribution for Efficient Face Detection},
author={Guo, Jia and Deng, Jiankang and Lattas, Alexandros and Zafeiriou, Stefanos},
journal={arXiv preprint arXiv:2105.04714},
year={2021}
}
@inproceedings{gecer2021ostec,
title={OSTeC: One-Shot Texture Completion},
author={Gecer, Baris and Deng, Jiankang and Zafeiriou, Stefanos},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2021}
}
@inproceedings{an_2022_pfc_cvpr,
title={Killing Two Birds with One Stone: Efficient and Robust Training of Face Recognition CNNs by Partial FC},
author={An, Xiang and Deng, Jiangkang and Guo, Jia and Feng, Ziyong and Zhu, Xuhan and Jing, Yang and Tongliang, Liu},
booktitle={CVPR},
year={2022}
}
@inproceedings{an_2021_pfc_iccvw,
title={Partial FC: Training 10 Million Identities on a Single Machine},
author={An, Xiang and Zhu, Xuhan and Gao, Yuan and Xiao, Yang and Zhao, Yongle and Feng, Ziyong and Wu, Lan and Qin, Bin and Zhang, Ming and Zhang, Debing and Fu, Ying},
booktitle={ICCVW},
year={2021},
}
@inproceedings{deng2020subcenter,
title={Sub-center ArcFace: Boosting Face Recognition by Large-scale Noisy Web Faces},
author={Deng, Jiankang and Guo, Jia and Liu, Tongliang and Gong, Mingming and Zafeiriou, Stefanos},
booktitle={Proceedings of the IEEE Conference on European Conference on Computer Vision},
year={2020}
}
@inproceedings{Deng2020CVPR,
title = {RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild},
author = {Deng, Jiankang and Guo, Jia and Ververas, Evangelos and Kotsia, Irene and Zafeiriou, Stefanos},
booktitle = {CVPR},
year = {2020}
}
@inproceedings{guo2018stacked,
title={Stacked Dense U-Nets with Dual Transformers for Robust Face Alignment},
author={Guo, Jia and Deng, Jiankang and Xue, Niannan and Zafeiriou, Stefanos},
booktitle={BMVC},
year={2018}
}
@article{deng2018menpo,
title={The Menpo benchmark for multi-pose 2D and 3D facial landmark localisation and tracking},
author={Deng, Jiankang and Roussos, Anastasios and Chrysos, Grigorios and Ververas, Evangelos and Kotsia, Irene and Shen, Jie and Zafeiriou, Stefanos},
journal={IJCV},
year={2018}
}
@inproceedings{deng2018arcface,
title={ArcFace: Additive Angular Margin Loss for Deep Face Recognition},
author={Deng, Jiankang and Guo, Jia and Niannan, Xue and Zafeiriou, Stefanos},
booktitle={CVPR},
year={2019}
}
Kontributor utama:
guojia[at]gmail.comjiankangdeng[at]gmail.comanxiangsir[at]gmail.comjackyu961127[at]gmail.combarisgecer[at]msn.com
