近日，針對如何解決所有姿勢范圍內的面部替換，中科院自動化所的研究人員發表了一篇論文，提出了3D實時解決方法。

　　面部對齊使面部模型適合圖像并提取面部像素點的語義，已成為計算機視覺領域中的一個重要主題。此前，大多數算法都是針對中小姿態(偏角小于45度)的面部而設計的，缺乏在高達90度的大幅度姿態中對齊面部的能力，這一論文就是針對所有姿態范圍內的面部替換所提出來的方法。

　　而此次這位博士生提出的改進版本還增加了一些額外的工作，包括實時培訓、培訓策略等，而不僅僅是重新實現“3D實時換臉”。更詳細的內容未來將會發布在相關博客中，包括一些重要的技術細節。到目前為止，這個改進版本發布了預訓練第一階段的pytorch模型，其中包括MobileNet-V1結構、訓練數據集和代碼。在GeForce GTX TITAN X上，每張圖像的推理時間約為0.27毫秒(輸入批量為128 的情況下)。

　　這一改進版本幫助Pytorch改進了論文《所有姿態范圍內的面部替換：3D解決方案》中提到的方法。該論文的作者之一是來自中科院自動化所的Xiangyu Zhu，根據其個人主頁上的信息，他和cleardusk博士期間的導師均是李子青教授，二人可以說是同門師兄弟。

　　近日，Github一位作者cleardusk(目前是中科院自動化所的在讀博士生)將“3D實時換臉”PyTorch實現改進版，每張圖的推理時間只需0.27毫秒!

那么，改進版能實現哪些應用呢?

首先，它能夠實現面部對齊。

其次是面部重塑，實現“變臉”!