近日，针对如何解决所有姿势范围内的面部替换，中科院自动化所的研究人员发表了一篇论文，提出了3D实时解决方法。

　　面部对齐使面部模型适合图像并提取面部像素点的语义，已成为计算机视觉领域中的一个重要主题。此前，大多数算法都是针对中小姿态(偏角小于45度)的面部而设计的，缺乏在高达90度的大幅度姿态中对齐面部的能力，这一论文就是针对所有姿态范围内的面部替换所提出来的方法。

　　而此次这位博士生提出的改进版本还增加了一些额外的工作，包括实时培训、培训策略等，而不仅仅是重新实现“3D实时换脸”。更详细的内容未来将会发布在相关博客中，包括一些重要的技术细节。到目前为止，这个改进版本发布了预训练第一阶段的pytorch模型，其中包括MobileNet-V1结构、训练数据集和代码。在GeForce GTX TITAN X上，每张图像的推理时间约为0.27毫秒(输入批量为128 的情况下)。

　　这一改进版本帮助Pytorch改进了论文《所有姿态范围内的面部替换：3D解决方案》中提到的方法。该论文的作者之一是来自中科院自动化所的Xiangyu Zhu，根据其个人主页上的信息，他和cleardusk博士期间的导师均是李子青教授，二人可以说是同门师兄弟。

　　近日，Github一位作者cleardusk(目前是中科院自动化所的在读博士生)将“3D实时换脸”PyTorch实现改进版，每张图的推理时间只需0.27毫秒!

那么，改进版能实现哪些应用呢?

首先，它能够实现面部对齐。

其次是面部重塑，实现“变脸”!