/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
py-feat
Опубликована
30 июл 2024

img2pose

Эмбеддинги изображенийИзображение → embedding3 профессии

img2pose — модель на Faster R-CNN для обнаружения лиц на изображениях и оценки их 3D-позы с шестью степенями свободы.

2 382скачиваний за 30 дней1лайквеса обновлены8 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

img2pose — модель компьютерного зрения из проекта py-feat для обнаружения лиц на фотографии и оценки их трёхмерной позы с шестью степенями свободы. Она построена на архитектуре Faster R-CNN и использует сверточную нейронную сеть; отдельная модель детекции лиц не требуется. Модель также проецирует 3D-лицо на плоскость изображения, чтобы определить рамку лица.

Модель предназначена для анализа изображений с лицами, включая обнаружение лиц и оценку их положения и ориентации. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. README содержит примечание о лицензировании и происхождении весов: перед распространением предобученных весов следует проверить применимость лицензии и существующие разрешения.

Сценарии применения

  • обнаружение лиц на фотографии
  • оценка положения и ориентации лица
  • получение рамок лиц без отдельного детектора
  • анализ позы лица для компьютерного зрения

Ограничения

Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; README рекомендует отдельно проверить условия лицензирования и происхождение предобученных весов перед их распространением.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

img2pose

Licensing scope: See the license and provenance notice before relying on this card's license metadata for pretrained-weight redistribution or commercial use. Existing valid grants are preserved.

Model Description

img2pose uses Faster R-CNN to predict 6 Degree of Freedom Pose (DoF) for all faces in the photo. An interesting property of this model is that it can project the 3D face onto a 2D plane to also identify bounding boxes for each face. It does not require any other face detection model.

Model Details

  • Model Type: Convolutional Neural Network (CNN)
  • Architecture: Faster R-CNN
  • Framework: PyTorch

Model Sources

Citation

If you use this model in your research or application, please cite the following paper:

Vítor Albiero, Xingyu Chen, Xi Yin, Guan Pang, Tal Hassner, "img2pose: Face Alignment and Detection via 6DoF, Face Pose Estimation," CVPR, 2021, arXiv:2012.07791

@inproceedings{albiero2021img2pose,
  title={img2pose: Face Alignment and Detection via 6DoF, Face Pose Estimation},
  author={Albiero, Vítor and Chen, Xingyu and Yin, Xi and Pang, Guan and Hassner, Tal},
  booktitle={CVPR},
  year={2021},
  url={https://arxiv.org/abs/2012.07791},
}

Acknowledgements

We thank Vítor Albiero and colleagues for sharing their code and trained weights under the upstream CC BY-NC 4.0 terms.

Example Useage

import numpy as np
import os
import json
import torch
import torch.nn as nn
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file
from feat.facepose_detectors.img2pose.deps.models import FasterDoFRCNN, postprocess_img2pose
from feat.utils.io import get_resource_path
from torchvision.models.detection.backbone_utils import resnet_fpn_backbone


# Load Model Configurations
facepose_config_file = hf_hub_download(repo_id= "py-feat/img2pose", filename="config.json", cache_dir=get_resource_path())
with open(facepose_config_file, "r") as f:
    facepose_config = json.load(f)
           
# Initialize img2pose
device = 'cpu'
backbone = resnet_fpn_backbone(backbone_name="resnet18", weights=None)
backbone.eval()
backbone.to(device)
facepose_detector = FasterDoFRCNN(backbone=backbone,
                            num_classes=2,
                            min_size=facepose_config['min_size'],
                            max_size=facepose_config['max_size'],
                            pose_mean=torch.tensor(facepose_config['pose_mean']),
                            pose_stddev=torch.tensor(facepose_config['pose_stddev']),
                            threed_68_points=torch.tensor(facepose_config['threed_points']),
                            rpn_pre_nms_top_n_test=facepose_config['rpn_pre_nms_top_n_test'],
                            rpn_post_nms_top_n_test=facepose_config['rpn_post_nms_top_n_test'],
                            bbox_x_factor=facepose_config['bbox_x_factor'],
                            bbox_y_factor=facepose_config['bbox_y_factor'],
                            expand_forehead=facepose_config['expand_forehead'])
facepose_model_file = hf_hub_download(repo_id= "py-feat/img2pose", filename="model.safetensors", cache_dir=get_resource_path())
facepose_checkpoint = load_file(facepose_model_file)
facepose_detector.load_state_dict(facepose_checkpoint)
facepose_detector.eval()
facepose_detector.to(device)

# Test model
face_image = "path/to/your/test_image.jpg"  # Replace with your image

img2pose_output = facepose_detector(face_image)

# Postprocess
img2pose_output = postprocess_img2pose(img2pose_output[0])
bbox = img2pose_output['boxes']
poses = img2pose_output['dofs']
facescores = img2pose_output['scores']

License and provenance

The upstream img2pose code and model distribution use CC BY-NC 4.0; see the img2pose upstream license. This repository's existing license: cc-by-nc-4.0 metadata is retained. Preserve attribution, the license reference, and notices of modifications or format conversion. Py-Feat's package-level MIT license does not override these terms.

The upstream project documents WIDER FACE training and separately fine-tuned checkpoints. The original-checkpoint variant and training-data permissions must be identified for each converted artifact. CC BY-NC 4.0 is a noncommercial license, not an unrestricted permissive license.

This notice clarifies scope; it does not revoke existing valid grants or create a new license for third-party material. Dataset and teacher terms do not automatically relicense every trained artifact or inference output. A software license or model-card badge alone does not establish all checkpoint redistribution or commercial-use permissions.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · py-feat · image-feature-extraction

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
bd515c9

0 моделей