FLAME-Universe

<h1 align="center">:fire: FLAME 宇宙 :fire:</h1>

本仓库列出了 :fire: FLAME :fire: 3D头部模型的公开可用资源，包括代码、数据集和科学论文。我们致力于保持列表的更新。欢迎您在讨论区或通过拉取请求添加缺失的基于FLAME的资源（出版物、代码仓库、数据集）。

<p> <p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/e18b9bf3-4a8b-4dac-b231-6b0c7bfbb278.png"> </p> </p> <h2 align="center">:fire: FLAME :fire:</h2> <details> <summary>从未听说过FLAME？</summary> <p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/ec8ab3f7-5504-4c63-95e0-0317ae196664.gif"> </p>

FLAME是一个轻量级且富有表现力的通用头部模型，由超过33,000个精确对齐的3D扫描数据学习而来。 FLAME结合了线性身份形状空间（从3800名受试者的头部扫描中训练得到）、可关节化的颈部、下颌和眼球、与姿态相关的校正混合形状，以及额外的全局表情混合形状。详情请参阅科学出版物。 FLAME在知识共享署名许可下公开可用。

</details> <h2 align="center">代码</h2> <details open> <summary>使用FLAME的公开仓库列表（按字母顺序排列）。</summary>

BFM_to_FLAME：从Basel人脸模型（BFM）到FLAME的转换。
CVTHead：从单张图像生成可控的头部化身。
DECA：从单张图像重建具有可动画面部表情细节的3D人脸。
DiffPoseTalk：语音驱动的风格化3D面部动画。
diffusion-rig：个性化模型，用于编辑肖像图像中的面部表情、头部姿势和光照。
EMOCA：从单张图像重建情感化3D人脸。
EMOTE：情感化语音驱动的3D人脸动画。
expgan：具有表情控制的人脸图像生成。
FaceFormer：FLAME网格拓扑下的语音驱动面部动画。
FLAME-Blender-Add-on：FLAME Blender插件。
flame-fitting：将FLAME拟合到扫描数据。
FLAME_PyTorch：FLAME PyTorch层。
GANHead 可动画化的神经头部化身。
GaussianAvatars 使用FLAME控制的3D高斯点的真实感头部化身。
GIF：使用FLAME参数控制生成人脸图像。
INSTA：在不到10分钟内从视频生成体积化头部化身。
INSTA-pytorch：在不到10分钟内从视频生成体积化头部化身（PyTorch版）。
learning2listen：对二人对话中的互动交流进行建模。
MICA：从单张图像重建度量准确的3D人脸。
MeGA：重建可编辑的混合网格-高斯头部化身。
metrical-tracker：用于单目视频的度量人脸跟踪器。
NED：视频中的面部情感表情操纵。
Next3D：具有FLAME参数控制的3D生成模型。
neural-head-avatars：从视频序列构建神经头部化身。
NeRSemble：从多视角视频数据构建神经头部化身。
photometric_optimization：使用可微渲染将FLAME拟合到图像。
RingNet：从单张图像重建3D人脸。
ROME：从单张图像创建个性化化身。
SAFA：人脸图像动画。
Semantify：对3DMM参数进行语义控制。
SPECTRE：从图像进行语音感知的3D人脸重建。
SMIRK：从单张图像重建情感化3D人脸。
TRUST：从图像进行无种族偏见的肤色估计。
TF_FLAME：将FLAME拟合到2D/3D关键点、FLAME网格，或采样纹理网格。
video-head-tracker：在视频序列中跟踪3D头部。
VOCA：FLAME网格拓扑下的语音驱动面部动画。

</details> <h2 align="center">数据集</h2> <details open> <summary>FLAME拓扑网格数据集列表。</summary> - [BP4D+](https://github.com/Zielon/MICA/tree/master/datasets)：127名受试者，每人一个中性表情网格模型。 - [CoMA数据集](https://coma.is.tue.mpg.de/download.php)：12名受试者，每人12个极端动态表情。 - [D3DFACS](https://flame.is.tue.mpg.de/download.php)：10名受试者，共519个动态表情。 - [Decaf数据集](https://github.com/soshishimada/DecafDatasetScript)：面部和手部交互的变形捕捉。 - [FaceWarehouse](http://kunzhou.net/zjugaps/facewarehouse/)：150名受试者，每人一个中性表情网格模型。 - [FaMoS](https://tempeh.is.tue.mpg.de/)：95名受试者，每人28个动态表情和头部姿势，共约60万帧。 - [Florence 2D/3D](https://github.com/Zielon/MICA/tree/master/datasets)：53名受试者，每人一个中性表情网格模型。 - [FRGC](https://github.com/Zielon/MICA/tree/master/datasets)：531名受试者，每人一个中性表情网格模型。 - [LYHM](https://www-users.cs.york.ac.uk/~nep/research/Headspace/)：1216名受试者，每人一个中性表情网格模型。 - [MEAD重建](https://github.com/radekd91/inferno/tree/release/EMOTE/inferno_apps/TalkingHead)：MEAD（情感说话面部数据集）的3D面部重建。 - [NeRSemble数据集](https://github.com/tobias-kirschstein/nersemble)：10个多视角图像序列和FLAME网格拓扑结构的3D面部。 - [Stirling](https://github.com/Zielon/MICA/tree/master/datasets)：133名受试者，每人一个中性表情网格模型。 - [VOCASET](https://github.com/TimoBolkart/voca)：12名受试者，每人40个带同步音频的语音序列。 <h2 align="center">出版物</h2> <details open> <summary>基于FLAME的科学出版物列表。</summary>