InsightFace项目主要由郭嘉和邓建康维护。
对于所有主要贡献者，请检查贡献。
InsightFace的代码是在MIT许可证下发布的。学术和商业用途均没有限制。
包含注释的训练数据（以及使用这些数据训练的模型）仅可用于非商业研究目的。
从我们的 github 存储库手动下载模型和使用 python 库自动下载模型都遵循上述许可政策（仅用于非商业研究目的）。
2024-08-01我们已将最先进的换脸模型： inswapper_cyn和inswapper_dax集成到 Picsi.Ai 换脸服务中。这些模型的性能优于几乎所有类似的商业产品和我们的开源模型 inswapper_128。请访问 Picsi.Ai 网站使用该服务并获取帮助。
2024-05-04我们添加了InspireFace，这是一个用C/C++开发的跨平台人脸识别SDK，支持多种操作系统和各种后端。
2023-04-01 ：我们集成了最先进的换脸模型： inswapper_cyn和inswapper_dax并将服务移至 Discord 机器人，该机器人还支持编辑 Midjourney 生成的图像，请参阅 web-demos/swapping_discord 和我们的 Picsi.Ai 网站的详细信息。
2022-08-12 ：我们在 ECCV-2022 WCPA 研讨会、论文和代码的基于透视投影的单目 3D 人脸重建挑战赛中获得排名第一。
2021-11-30 : MFR-Ongoing Challenge 启动（与 IFRT 相同），它是 iccv21-mfr 的扩展版本。
2021-10-29 : 我们使用 Partial FC（安翔、邓健康、郭佳）在 NIST-FRVT 1:1 的 VISA 赛道上获得第一名。
2024-08-01我们已将最先进的换脸模型： inswapper_cyn和inswapper_dax集成到 Picsi.Ai 换脸服务中。这些模型的性能优于几乎所有类似的商业产品和我们的开源模型 inswapper_128。请访问 Picsi.Ai 网站使用该服务并获取帮助。
2024-05-04我们添加了InspireFace，这是一个用C/C++开发的跨平台人脸识别SDK，支持多种操作系统和各种后端。
2024-04-17 ：单目身份条件面部反射重建被 CVPR-2024 接受。
2023-08-08 ：我们发布了重建/注视时综合视图弱监督的广义注视估计的实现。
2023-05-03 : 我们推出了野脸反欺骗挑战赛正在进行中的版本。请参阅此处的详细信息。
2023-04-01 ：我们集成了最先进的换脸模型： inswapper_cyn和inswapper_dax并将服务移至 Discord 机器人，该机器人还支持编辑 Midjourney 生成的图像，请参阅 web-demos/swapping_discord 和我们的 Picsi.Ai 网站的详细信息。
2023-02-13 : 我们在CVPR23 Workshop上发起大规模野外人脸反欺骗挑战，详情参见challenges/cvpr23-fas-wild。
2022-11-28 ：我们的 python packge ver 0.7 中用于面部身份交换的单行代码，请查看此处的示例。
2022-10-28 : MFR-Ongoing 网站重构，如有bug请提出issue。
2022-09-22 ：现在我们有网络演示：面部定位、面部识别和面部交换。
2022-08-12 ：我们在 ECCV-2022 WCPA 研讨会、论文和代码的基于透视投影的单目 3D 人脸重建挑战赛中获得排名第一。
2022-03-30 ：部分 FC 被 CVPR-2022 接受。
2022-02-23 ：SCRFD 被 ICLR-2022 接受。
2021-11-30 : MFR-Ongoing Challenge 启动（与 IFRT 相同），它是 iccv21-mfr 的扩展版本。
2021-10-29 : 我们使用 Partial FC（安翔、邓健康、郭佳）在 NIST-FRVT 1:1 的 VISA 赛道上获得第一名。
2021-10-11 : ICCV21-蒙面人脸识别挑战赛排行榜发布。视频：YouTube、哔哩哔哩。
2021-06-05 : 我们在 ICCV 2021 上推出蒙面人脸识别挑战赛和研讨会。
InsightFace是一个开源的2D&3D深度人脸分析工具箱，主要基于PyTorch和MXNet。
详情请查看我们的网站。
master 分支与PyTorch 1.6+和/或MXNet=1.6-1.8以及Python 3.x一起使用。
InsightFace 有效地实现了各种最先进的人脸识别、人脸检测和人脸对齐算法，并针对训练和部署进行了优化。
请从我们的 python 包开始，用于测试输入图像的检测、识别和对齐模型。
请点击图片观看 Youtube 视频。 B站用户请点击这里。
InsightFace网站上的页面还描述了InsightFace中所有支持的项目。
您可能还对 InsightFace 提出的一些挑战感兴趣。
在本模块中，我们提供深度人脸识别的训练数据、网络设置和损失设计。
支持的方法如下：
大多数方法中都包含了常用的网络主干，例如IResNet、MobilefaceNet、MobileNet、InceptionResNet_v2、DenseNet等。
训练数据包括但不限于清理后的 MS1M、VGG2 和 CASIA-Webface 数据集，这些数据集已经以 MXNet 二进制格式打包。请数据集页面了解详细信息。
我们在评估中提供标准的IJB和Megaface评估管道
请查看 Model-Zoo 了解更多预训练模型。
在本模块中，我们提供带有注释、网络设置和损失设计的训练数据，用于人脸检测训练、评估和推理。
支持的方法如下：
RetinaFace是一款实用的单级人脸检测器，已被CVPR 2020接受。我们提供训练代码、训练数据集、预训练模型和评估脚本。
SCRFD 是一种高效、高精度的人脸检测方法，最初在 Arxiv 中进行了描述。我们提供易于使用的管道来训练具有 NAS 支持的高效人脸检测器。
在本模块中，我们提供用于人脸对齐的数据集和训练/推理管道。
支持的方法：
SDUNets 是一种基于热图的方法，已被 BMVC 接受。
SimpleRegression 提供了非常轻量级的面部标志模型和快速坐标回归。这些模型的输入是松散裁剪的人脸图像，而输出是直接的地标坐标。
如果您发现InsightFace对您的研究有用，请考虑引用以下相关论文：
@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}
}
主要贡献者：
guojia[at]gmail.comjiankangdeng[at]gmail.comanxiangsir[at]gmail.comjackyu961127[at]gmail.combarisgecer[at]msn.com
