bad result!!!!!

[ZHANG-SHI-CHANG]

我参照3DDFA更改了测试代码，结果很差， 这是第4通道lmks的可视化，应该没有问题，crop方式对齐3ddfa 这是最终的vertex结果，白色部分是vertex，问题可能出在什么地方呢，model不是最终版本或者其他和3ddfa不同的细节之处？期待回复！！

测试main文件如下： from utils import *

ckpt_path = 'models/2DASL_checkpoint_epoch_allParams_stage2.pth.tar' ckpt = torch.load(ckpt_path, map_location=lambda storage, loc: storage)['res_state_dict'] state_dict = {} for key, value in ckpt.items(): if key.startswith('module'): state_dict[key[7:]] = value else: state_dict[key] = value model = resnet50(pretrained=False, num_classes=62) model.load_state_dict(state_dict) transform = transforms.Compose([ ToTensorGjz(), NormalizeGjz(mean=127.5, std=128) ])

img_path = 'test.jpg' img = cv2.imread(img_path, cv2.IMREAD_COLOR) lmks = get_face_lmks(img)

roi_box = parse_roi_box_from_landmark(lmks.T.copy()) img_crop = crop_img(img, roi_box) lmks_crop = crop_lmks(roi_box, lmks)

lmks_crop = fit_lmks(lmks_crop, img_crop.shape[:2]) lmks_crop[lmks_crop>119] = 119 img_crop = cv2.resize(img_crop, dsize=(120, 120), interpolation=cv2.INTER_LINEAR)

lmks_map = get_18lmks_map(lmks_crop) lmks_map = lmks_map[:,:,np.newaxis]

lmks_map = torch.from_numpy(lmks_map).unsqueeze(0).permute(0,3,1,2)

input = transform(img_crop).unsqueeze(0) input = torch.cat([input, lmks_map], dim=1)

with torch.no_grad(): param = model(input) param = param.squeeze().cpu().numpy().flatten().astype(np.float32) dense = get_dense_from_param(param, roi_box) print(dense.T) show_lmks(img, dense.T) cv2.imwrite('cache.png', img)

[ZHANG-SHI-CHANG]

。。。。我知道原因了。。没有使用model.eva() 优秀的工作！！下一步测一下视频中的稳定性如何