facemesh.pytorch:这是移动GPU上单眼视频中纸面实时面部几何的PyTorch实施（https

这是来自移动GPU上单眼视频的实时面部表面几何图形的PyTorch实施（ ） 此版本没有用于精细调整的BatchNorm层。 如果要使用此类模型进行训练，则应手动添加这些图层。 转换过程非常有趣： 我打开ARCore iOS框架的包装，并使用tflite模型的facemesh。 你可以下载 Paper没有说明任何体系结构细节，因此我研究了图形可视化，以对输入输出通道和操作的数量进行逆向工程。 用pytorch制作它们，并将tflite文件中的原始权重半手动传输到pytorch模型定义中。 （有关详细信息，请参见Convert-FaceMesh.ipynb） 预计模型的输入将被裁剪为每边25％的边距，尺寸调整为192x192，并从-1标准化为1 但是， predict_on_image函数可对图像本身进行规范化，因此您甚至可以将调整大小后的图像视为np.array作为输入。 有