重建53215个点的face mesh about deep3dfacerecon_pytorch

[lhyfst]

That is because when the authors compute the shape, they discard the mean expression from 01_MorphableModel.mat, but do not use the counterpart in Exp_Pca.bin.

#36

[sicxu]

您好，我注意到您源码里训练时用的BFM model是经过转化以后只有35709个点的BFM model

我根据'BFM_exp_idx.mat'从原始BFM09（有53490个顶点）中提取了53215个点并且与“Exp_Pca.bin"中的表情基进行了整合，最终得到了'bfm_53215.mat'（相对于您用的35709个点的模型，增加了脖子和耳朵，验证过其拓扑结构也没有问题）。

我注意到您在根据回归出来的coeff来重建出个性化人脸模型时，进行了recenter，具体如下（详情可见/model/bfm.py)：

想问若我想使用我得到的'bfm_53215.mat'来重建出含有脖子和耳朵的个性化人脸模型，是否也需要recenter？

若recenter以后，在相同的coeff情况下，得到的含有脖子和耳朵的人脸模型再去掉脖子和耳朵以后 跟 直接将coeff作用于35709个点的BFM model得到的个性化人脸模型，他们的三维点坐标是不一样的。我个人认为的原因是在recenter是求平均值时，因为bfm_53215的meanshape的平均值与bfm_35709的meanshape的平均值不同。

recenter的目的是为将人脸的中心改为(0, 0, 0)，我们训练的网络的pose是基于“bfm_35709”的空间位置预测得到，所以将回归得到的系数直接用于“bfm_53215”，会出现pose不一致的问题，解决办法也较为直接，即利用“ bfm_53215”减去“bfm_35709”的中心即可。

[FlightZCB]

您好，我注意到您源码里训练时用的BFM model是经过转化以后只有35709个点的BFM model

我根据'BFM_exp_idx.mat'从原始BFM09（有53490个顶点）中提取了53215个点并且与“Exp_Pca.bin"中的表情基进行了整合，最终得到了'bfm_53215.mat'（相对于您用的35709个点的模型，增加了脖子和耳朵，验证过其拓扑结构也没有问题）。

我注意到您在根据回归出来的coeff来重建出个性化人脸模型时，进行了recenter，具体如下（详情可见/model/bfm.py)：

想问若我想使用我得到的'bfm_53215.mat'来重建出含有脖子和耳朵的个性化人脸模型，是否也需要recenter？

若recenter以后，在相同的coeff情况下，得到的含有脖子和耳朵的人脸模型再去掉脖子和耳朵以后 跟 直接将coeff作用于35709个点的BFM model得到的个性化人脸模型，他们的三维点坐标是不一样的。我个人认为的原因是在recenter是求平均值时，因为bfm_53215的meanshape的平均值与bfm_35709的meanshape的平均值不同。

您好，我遇到了同样的问题，可否发我一下您生成的bfm_53215.mat来作为参考和验证

[bin1guo]

您好， 请问，我可否进一步缩减BFM model的顶点数，来训练获取一个顶点数更少的人脸模型结果？ 谢谢