Facial_Details_Synthesis Windows部署指南：CMake+vcpkg编译五大模块全流程

Facial_Details_Synthesis Windows部署指南CMakevcpkg编译五大模块全流程【免费下载链接】Facial_Details_Synthesis[ICCV2019 Oral] Photo-Realistic Facial Details Synthesis from Single Image项目地址: https://gitcode.com/gh_mirrors/fa/Facial_Details_SynthesisFacial_Details_Synthesis 是 ICCV 2019 Oral 论文的官方代码仓库可从单张照片合成带皱纹等精细几何细节的照片级真实 3D 人脸。本指南面向 Windows 10 用户带你用CMake vcpkg Visual Studio完成五大模块的完整部署与编译。效果一览左侧为输入照片中间是合成的代理网格与位移图右侧是叠加细节纹理后的最终人脸 —— 连额头皱纹与鼻翼细节都能还原。项目结构一览五大模块各司其职项目由 5 个独立模块组成详见 README.md各自负责流水线的一个环节模块语言/技术栈职责是否需要编译DFDNPython / PyTorch基于 CGAN 预测位移图面部皱纹细节❌ 免编译emotionNetPython / TensorFlow情绪预测可选先验❌ 免编译landmarkDetectorC / dlib OpenCV人脸检测与 68 关键点定位✅ Visual StudioproxyEstimatorC / OpenCV Boost基于表情/情绪先验生成代理网格✅ CMake vcpkgfaceRenderC / OpenGL结果交互式渲染✅ CMake其中 proxyPredictor.py 负责代理网格估算入口facialDetails.py 负责细节合成入口核心网络结构在 src/DFDN/models/networks.py。部署前准备Windows 环境依赖清单开始编译前请准备好以下 4 样东西Visual Studio 2019带 C 桌面开发工作负载v141 工具集CMake 3.9并在 PATH 中可用vcpkg用于 proxyEstimator 安装 C 依赖Anaconda Python 3.7 PyTorch若要用情绪先验还需 TensorFlow Keras⚠️关键提示proxyEstimator与faceRender是子模块必须用--recursive克隆否则这两个目录会是空的git clone https://gitcode.com/gh_mirrors/fa/Facial_Details_Synthesis --recursive五大模块编译步骤详解步骤1landmarkDetector —— Visual Studio 一键编译该模块内置了 dlib、OpenCV、OpenBLAS 等第三方库src/landmarkDetector/lib/3rdParty/无需额外配置进入src/landmarkDetector/目录用 PowerShell 依次执行 download_libraries.ps1下载 OpenCV DLL和 download_models.ps1下载关键点检测模型文件打开 OpenFace.sln选择x64 / Release编译✅ 产物位置x64/Release/FaceLandmarkImg.exe入口源码见 main.cpp步骤2textureRender —— CMake 配置后打开工程编译纹理渲染器依赖已内置在thirds/目录GLAD、GLFW、GLMCMake 通过find_package按 CMakeLists.txt 查找cd src/textureRender mkdir build cd build cmake -A X64 -D CMAKE_PREFIX_PATH../thirds ../src然后打开生成的textureRender.sln用 Visual Studio 编译 Release。✅ 产物位置Release/textureRender.exe步骤3proxyEstimator —— vcpkg 安装依赖再 CMake这是唯一需要 vcpkg 的模块依赖 OpenCV 和 Boost# 在 vcpkg 目录下安装依赖 ./vcpkg install opencv boost --triplet x64-windows # 配置 CMake指定 vcpkg 工具链 cd src/proxyEstimator mkdir build cd build cmake .. -A X64 -DCMAKE_TOOLCHAIN_FILE[vcpkg root]\scripts\buildsystems\vcpkg.cmake把[vcpkg root]替换为你 vcpkg 的实际路径然后打开eos.sln编译 Release。✅ 产物位置Release/eos.exe 别忘了配套安装表情模型pip install --force-reinstall eos-py0.16.1并将 BFM2017 的model2017-1_bfm_nomouth.h5放入./proxyEstimator/bfm2017/再运行python convert-bfm2017-to-eos.py生成.bin文件。步骤4faceRender —— 复用 thirds 库快速构建与 textureRender 思路一致依赖库同样放在thirds/cd src/faceRender mkdir build cd build cmake -A X64 -D CMAKE_PREFIX_PATH../thirds ../src打开hmrenderer.sln编译即可产物在build\Release。注意可视化器目前支持 mesh normalMap 组合displacementMap 支持将在后续版本加入。步骤5DFDN 与 emotionNet —— Python 环境免编译这两个模块是纯 Python 实现装好环境就能跑DFDNPyTorch 环境基于 pix2pix 架构直接运行python facialDetails.py即可emotionNet可选模块需额外安装 TensorFlow 和 Keras模型权重下载与目录放置编译完成后把预训练权重放到正确目录从项目 Release 页面下载权重包解压目标目录DFDN checkpoints./DFDN/checkpointslandmark models./landmarkDetectoremotionNet checkpoints可选./emotionNet/checkpoints常见部署问题快速排查 ️proxyEstimator / faceRender 目录是空的→ 克隆时漏了--recursive重新克隆即可CMake 找不到 OpenCV/Boost→ 确认vcpkg install使用的 triplet 与cmake -A X64一致均为x64-windows代理结果与论文效果不同→ 正常现象发布版使用更低分辨率输入和不同的表情词典通用性更强输出质量不佳→ 官方强烈建议将输入图片裁剪为正方形部署完成开始运行 # 代理网格估算--FAC 1 启用 FACS 表情先验--emotion 1 启用情绪先验 python proxyPredictor.py -i ./samples/proxy -o ./results # 面部细节合成支持单图或整个文件夹批量处理 python facialDetails.py -i ./samples/details/019615.jpg -o ./results至此从 CMake 配置、vcpkg 依赖管理到 Visual Studio 编译五大模块全部就绪 —— 输入一张照片即可得到带皱纹细节的照片级真实 3D 人脸。【免费下载链接】Facial_Details_Synthesis[ICCV2019 Oral] Photo-Realistic Facial Details Synthesis from Single Image项目地址: https://gitcode.com/gh_mirrors/fa/Facial_Details_Synthesis创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考