访问官网
Github
论文简介
OpenSeeFace 是一个开放源代码项目，专注于面部表情跟踪技术的研究与实现。这项技术的主要目标是为动画模型提供准确的面部动作数据输入。需要注意的是，这个项目提供的是一个面部跟踪库，而非独立的头像操控软件。
项目功能
OpenSeeFace 的核心是一个基于 MobileNetV3 的面部标志检测模型，该模型可以识别和跟踪面部特征点。在实际应用中，它已经被用于多个项目，例如通过 OpenSeeFace 跟踪来动画化 VRM 和 VSFAvatar 3D 模型的 VSeeFace，及用于 Live2D 模型动画的 VTube Studio。
目前，由于在 Windows 系统上 Pytorch 1.3 的 CPU 推理速度较慢，OpenSeeFace 的模型已被转换为 ONNX 格式，并且通过 onnxruntime 可以实现 30 - 60 fps 的实时面部跟踪。项目中提供了四种不同的模型，可以在跟踪速度和精确度之间进行权衡。
跟踪质量
OpenSeeFace 的面部特征点标识方法与其他传统方法有所不同，因此很难直接与现有的科学文献中的方法进行数值比较。其标志更侧重于动画化应用，而非精确贴合面部图像。在实验与实际应用中，OpenSeeFace 在低光、高噪声和低分辨率的环境下表现出色，并能稳定跟踪各种复杂的头部姿态。
与其他面部跟踪技术，如 MediaPipe 相比，OpenSeeFace 的稳定性更好，特别是在嘴部姿态的表现范围更广，但对于眼部区域的跟踪准确性稍逊。
使用指南
OpenSeeFace 的实现主要依赖于 facetracker.py 脚本，用户可以通过命令行从摄像头或者视频文件中获取面部数据，并通过 UDP 发送跟踪信息。这样就可以在另一台计算机上进行跟踪，提升性能并避免摄像头画面的意外泄露。
Unity 引擎中的 OpenSee 组件可以接收这些 UDP 数据包，并通过公共字段 trackingData 提供跟踪信息。此外，OpenSeeShowPoints 组件还可以可视化检测到的面部标志，示例代码和用法请参考项目中提供的例子。
如果需要，用户也可以通过 Python 运行 OpenSeeFace，运行时可以使用多种选项：
python facetracker.py --help
表情检测
通过将 OpenSeeExpression 组件添加至同一物体，可以检测出特定的面部表情。此功能需要根据每个用户进行单独标定，通过收集每个表情的样本数据进行训练。
模型概述
OpenSeeFace 提供了四种预训练的面部特征点模型，用户可以通过 --model 参数来选择：
- 模型 -1: 极低准确性，极快速度，适用于低性能设备（213fps）。
- 模型 0: 低准确性，速度较快（68fps）。
- 模型 1: 适度的速度和平衡的准确性（59fps）。
- 模型 2: 较高准确性，较慢速度（50fps）。
- 模型 3 (默认): 最高准确性，最低速度（44fps）。
结果展示
OpenSeeFace 在面部检测和标志稳定性上表现优秀，面部大小和方向的变化对跟踪结果影响较小。项目提供了一些样本图像展示其能力和效果。
依赖与安装
OpenSeeFace 需要 Python 3.6 至 3.9 环境，及若干库的支持：ONNX Runtime、OpenCV、Pillow 和 Numpy。在项目中，用户可以通过以下命令进行安装：
pip install onnxruntime opencv-python pillow numpy
另外，也可使用 Poetry 管理项目依赖环境，并通过 poetry install 命令安装所有依赖。
