3DDFA
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Chinese Academy of Sciences,Michigan State University
- Organisatietype
- Academia,Academia
- Land
- China, United States of America
- Gepubliceerd
- 23 November 2015
- Auteurs
- Xiangyu Zhu, Zhen Lei, Xiaoming Liu, Hailin Shi, S. Li
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Vision
- Taak
- Face detection, 3D reconstruction
- Aanpak
- Supervised
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 5.4M
- Training gegevens
- 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. "
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Open source
MIT license: https://github.com/cleardusk/3DDFA (refers to the improved later version of the paper)
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- 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."
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Face Alignment in Full Pose Range: A 3D Total Solution
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
3DDFA werd gepubliceerd door Chinese Academy of Sciences,Michigan State University, in het land geregistreerd als China, tijdens November 2015. Het komt uit een organisatie gecategoriseerd als academia,Academia.
Het werkt in het domein van Vision, en wordt geregistreerd als het uitvoeren van de taak van face detection, 3D reconstruction.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Training en herkomst
Training verbruikte een corpus van ongeveer 293,901 tekstokens
De inclusiecriteria: sOTA improvement.
Antwoorden
3DDFA — veelgestelde vragen
3DDFA— wanneer is het uitgebracht?
Het werd gepubliceerd in November 2015. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
3DDFA— waarvoor wordt het gebruikt?
Het werkt in het domein van Vision, en wordt geregistreerd als het afhandelen van face detection, 3D reconstruction. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
3DDFA— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
3DDFA— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
3DDFA— hoeveel parameters heeft het?
Het heeft een parameter telling van 5.4M. 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. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
3DDFA— wie heeft het gemaakt?
Het werd gepubliceerd door Chinese Academy of Sciences,Michigan State University, gebaseerd op China, een organisatie geclassificeerd als academia,Academia.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.