Проект InsightFace в основном поддерживают Цзя Го и Цзянькан Дэн.
Для всех основных участников, пожалуйста, отметьте вклад.
Код InsightFace распространяется под лицензией MIT. Нет ограничений как для академического, так и для коммерческого использования.
Данные обучения, содержащие аннотацию (и модели, обученные с использованием этих данных), доступны только для некоммерческих исследовательских целей.
Как модели с ручной загрузкой из нашего репозитория GitHub, так и модели с автоматической загрузкой из нашей библиотеки Python соответствуют приведенной выше политике лицензирования (которая предназначена только для некоммерческих исследовательских целей).
2024-08-01 Мы интегрировали наши самые передовые модели замены лиц: inswapper_cyn и inswapper_dax в сервис замены лиц Picsi.Ai. Эти модели превосходят почти все аналогичные коммерческие продукты и нашу модель с открытым исходным кодом inswapper_128. Посетите веб-сайт Picsi.Ai, чтобы воспользоваться услугой и получить помощь.
2024-05-04 Мы добавили InspireFace — кроссплатформенный SDK для распознавания лиц, разработанный на C/C++ и поддерживающий несколько операционных систем и различные серверные части.
2023-04-01 : Мы интегрировали наши самые продвинутые модели замены лиц: inswapper_cyn и inswapper_dax и перенесли сервис в бот Discord, который также поддерживает редактирование изображений, сгенерированных Midjourney. Подробности см. на странице web-demos/swapping_discord и на нашем веб-сайте Picsi.Ai. .
2022-08-12 .: Мы заняли первое место в конкурсе монокулярной 3D-реконструкции лица на основе перспективной проекции на семинаре ECCV-2022 WCPA, документация и код.
2021-11-30 .: Запущен вызов MFR-Congoing (то же самое, что и IFRT), который представляет собой расширенную версию iccv21-mfr.
2021-10-29 : Мы заняли 1-е место на трассе VISA NIST-FRVT 1:1, используя Partial FC (Сян Ань, Цзянькан Дэн, Цзя Го).
2024-08-01 Мы интегрировали наши самые передовые модели замены лиц: inswapper_cyn и inswapper_dax в сервис замены лиц Picsi.Ai. Эти модели превосходят почти все аналогичные коммерческие продукты и нашу модель с открытым исходным кодом inswapper_128. Посетите веб-сайт Picsi.Ai, чтобы воспользоваться услугой и получить помощь.
2024-05-04 Мы добавили InspireFace — кроссплатформенный SDK для распознавания лиц, разработанный на C/C++ и поддерживающий несколько операционных систем и различные серверные части.
2024-04-17 .: Монокулярная реконструкция отражения лица с учетом идентичности принята CVPR-2024.
2023-08-08 : Мы выпустили реализацию обобщенной оценки взгляда со слабым контролем из синтетических представлений при реконструкции/взгляде.
2023-05-03 : Мы запустили текущую версию челленджа против спуфинга «Дикие лица». Подробности смотрите здесь.
2023-04-01 : Мы интегрировали наши самые продвинутые модели замены лиц: inswapper_cyn и inswapper_dax и перенесли сервис в бот Discord, который также поддерживает редактирование изображений, сгенерированных Midjourney. Подробности см. на странице web-demos/swapping_discord и на нашем веб-сайте Picsi.Ai. .
2023-02-13 .: Мы запускаем масштабное соревнование по борьбе с спуфингом в диком лице на CVPR23 Workshop, подробности см. в Challenges/cvpr23-fas-wild.
2022-11-28 : Однострочный код для замены личности в нашем пакете Python версии 0.7. Посмотрите пример здесь.
2022-10-28 : Веб-сайт MFR-текущий рефакторинг, пожалуйста, создавайте проблемы, если есть какие-либо ошибки.
2022-09-22 : Теперь у нас есть веб-демо: локализация лиц, распознавание лиц и замена лиц.
2022-08-12 .: Мы заняли первое место в конкурсе монокулярной 3D-реконструкции лица на основе перспективной проекции на семинаре ECCV-2022 WCPA, документация и код.
2022-03-30 .: Частичный FC принят CVPR-2022.
2022-02-23 .: ГКРФО принят ICLR-2022.
2021-11-30 .: Запущен вызов MFR-Congoing (то же самое, что и IFRT), который представляет собой расширенную версию iccv21-mfr.
2021-10-29 : Мы заняли 1-е место на трассе VISA NIST-FRVT 1:1, используя Partial FC (Сян Ань, Цзянькан Дэн, Цзя Го).
2021-10-11 .: Опубликована таблица лидеров ICCV21 — конкурс по распознаванию лиц в масках. Видео: Youtube, Билибили.
2021-06-05 : Мы запускаем конкурс и семинар по распознаванию лиц в масках на ICCV 2021.
InsightFace — это набор инструментов для глубокого 2D и 3D анализа лиц с открытым исходным кодом, в основном основанный на PyTorch и MXNet.
Пожалуйста, проверьте наш сайт для получения подробной информации.
Основная ветка работает с PyTorch 1.6+ и/или MXNet=1.6-1.8 с Python 3.x.
InsightFace эффективно реализует широкий спектр современных алгоритмов распознавания лиц, обнаружения лиц и выравнивания лиц, которые оптимизированы как для обучения, так и для развертывания.
Пожалуйста, начните с нашего пакета Python для тестирования моделей обнаружения, распознавания и выравнивания на входных изображениях.
Пожалуйста, нажмите на изображение, чтобы посмотреть видео на Youtube. Для пользователей Bilibili нажмите здесь.
На странице веб-сайта InsightFace также описаны все поддерживаемые проекты в InsightFace.
Вас также могут заинтересовать некоторые задачи, проводимые InsightFace.
В этом модуле мы предоставляем данные обучения, настройки сети и расчеты потерь для глубокого распознавания лиц.
Поддерживаются следующие методы:
Обычно используемые сетевые магистрали включены в большинство методов, таких как IResNet, MobilefaceNet, MobileNet, InceptionResNet_v2, DenseNet и т. д.
Данные обучения включают, помимо прочего, очищенные наборы данных MS1M, VGG2 и CASIA-Webface, которые уже были упакованы в двоичный формат MXNet. Пожалуйста, посетите страницу набора данных для получения подробной информации.
Мы предоставляем стандартные конвейеры оценки IJB и Megaface при оценке.
Пожалуйста, проверьте Model-Zoo, чтобы увидеть больше предварительно обученных моделей.
В этом модуле мы предоставляем данные обучения с аннотациями, настройками сети и расчетами потерь для обучения обнаружению лиц, оценки и вывода.
Поддерживаются следующие методы:
RetinaFace — это практичный одноэтапный детектор лиц, одобренный CVPR 2020. Мы предоставляем обучающий код, набор обучающих данных, предварительно обученные модели и сценарии оценки.
SCRFD — это эффективный высокоточный подход к обнаружению лиц, который первоначально описан в Arxiv. Мы предоставляем простой в использовании конвейер для обучения высокоэффективных детекторов лиц с поддержкой NAS.
В этом модуле мы предоставляем наборы данных и конвейеры обучения/вывода для выравнивания лиц.
Поддерживаемые методы:
SDUNets — это метод на основе тепловых карт, принятый на BMVC.
SimpleReгрессия предоставляет очень легкие модели ориентиров лица с быстрой координатной регрессией. Входные данные этих моделей представляют собой свободное обрезанное изображение лица, а выходные данные — координаты прямого ориентира.
Если InsightFace окажется полезным для вашего исследования, пожалуйста, процитируйте следующие соответствующие статьи:
@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}
}
Основные участники:
guojia[at]gmail.comjiankangdeng[at]gmail.comanxiangsir[at]gmail.comjackyu961127[at]gmail.combarisgecer[at]msn.com
