3DDFA
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Chinese Academy of Sciences,Michigan State University
- Typ organizacji
- Academia,Academia
- Kraj
- China, United States of America
- Opublikowane
- 23 November 2015
- Autorzy
- Xiangyu Zhu, Zhen Lei, Xiaoming Liu, Hailin Shi, S. Li
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Vision
- Zadanie
- Face detection, 3D reconstruction
- Approach
- Supervised
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Parametry
- 5.4M
- Dane treningowe
- 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. "
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Open source
MIT license: https://github.com/cleardusk/3DDFA (refers to the improved later version of the paper)
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Dlaczego jest śledzone
- SOTA improvement
- Zaufanie do nagrania
- 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."
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Face Alignment in Full Pose Range: A 3D Total Solution
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
Czym jest ten model
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.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żadna karta graficzna tego nie zmieni.
Training and provenance
Around 293,901 tokens went into training it.
Its inclusion criterion is sOTA improvement.
Odpowiedzi
3DDFA — Często zadawane pytania
When was 3DDFA released?
3DDFA zostało opublikowane w listopadzie 2015 roku. Zdolność na parametr znacznie poprawiła się od tego czasu, więc nowszy model o tym samym rozmiarze jest często lepszym wykorzystaniem tego samego sprzętu.
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.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..