3DDFA
Χωρίς εκτίμηση
Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο
Τα βάρη αυτού του μοντέλου δεν έχουν δημοσιευθεί, επομένως δεν μπορεί να κατεβεί ή να τρέξει σε δικό σας υλικό οποιουδήποτε μεγέθους. Είναι προσβάσιμο μόνο μέσω του παρόχου του και καμία κάρτα γραφικών δεν το αλλάζει αυτό.
Σε εγγραφή
Πλήρης προδιαγραφή
Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.
Προέλευση
Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;
- Οργάνωση
- Chinese Academy of Sciences,Michigan State University
- Τύπος οργάνωσης
- Academia,Academia
- Χώρα
- China, United States of America
- Δημοσιευμένο
- 23 November 2015
- Συγγραφείς
- Xiangyu Zhu, Zhen Lei, Xiaoming Liu, Hailin Shi, S. Li
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.
- Τομέας
- Vision
- Εντολή
- Face detection, 3D reconstruction
- Προσέγγιση
- Supervised
Μέγεθος
Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.
- Παραμέτροι
- 5.4M
- Δεδομένα εκπαίδευσης
- 293,901 tokens
Parameters based on Figure 2: CNN layers: 4*4*16*6+4*4*32*16=9728 Local CNN: 3*3*48*32*11*11+3*3*64*49*9*9=3958848 FC: 9*9*64*256+234*256=1387008 Total: 9728+3958848+1387008=5355584
"We divide 300W-LP into 97,967 samples for training and 24,483 samples for testing, without identity overlapping. "
Διαθεσιμότητα
Εάν μπορείτε να αποκτήσετε το μοντέλο και να το εκτελέσετε στον δικό σας εξοπλισμό, κάτι που αποφασίζει αν κάποια από τα στοιχεία της κάρτας γραφικών σε αυτή τη σελίδα εφαρμόζονται.
- Βάρη
- Closed — provider access only
- Πρόσβαση μοντέλου
- Unreleased
- Κώδικας εκπαίδευσης
- Open source
MIT license: https://github.com/cleardusk/3DDFA (refers to the improved later version of the paper)
Πώς ταξινομείται
Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.
- Γιατί παρακολουθείται
- SOTA improvement
- Καταγραφή εμπιστοσύνης
- Confident
https://paperswithcode.com/sota/3d-face-reconstruction-on-florence "Experiments on the challenging AFLW database show that our approach achieves significant improvements over state-of-the-art methods."
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.
- Αναφορά
- Face Alignment in Full Pose Range: A 3D Total Solution
- Τελευταία ενημέρωση
- 28 November 2025
Τι σημαίνουν οι αριθμοί
Τι είναι αυτό το μοντέλο
3DDFA was published by Chinese Academy of Sciences,Michigan State University, in China, in November 2015. It comes out of academia,Academia.
It works in Vision, and is recorded as doing face detection, 3D reconstruction.
Τα βάρη του δεν δημοσιεύθηκαν ποτέ, οπότε μπορεί να αποκτηθεί μόνο μέσω του παρόχου του. Καμία κάρτα γραφικών δεν αλλάζει αυτό.
Εκπαίδευση και προέλευση
Around 293,901 tokens went into training it.
Its inclusion criterion is sOTA improvement.
Απαντήσεις
3DDFA — Συχνές ερωτήσεις
When was 3DDFA released?
3DDFA was published in November 2015. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is 3DDFA used for?
3DDFA works in Vision, and is recorded as handling face detection, 3D reconstruction. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run 3DDFA?
None. 3DDFA is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is 3DDFA open source?
No. 3DDFA has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does 3DDFA have?
3DDFA has 5.4M parameters. Parameters based on Figure 2: CNN layers: 4*4*16*6+4*4*32*16=9728 Local CNN: 3*3*48*32*11*11+3*3*64*49*9*9=3958848 FC: 9*9*64*256+234*256=1387008 Total: 9728+3958848+1387008=5355584. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created 3DDFA?
3DDFA was published by Chinese Academy of Sciences,Michigan State University, based in China, categorised as academia,Academia.
Η άλλη κατεύθυνση
Βλέποντάς το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..