大家好，又见面了。

好久没写趣味项目的文章了，今天推荐几个比较不错的开源项目。

NerFACE

基于 Nerf 的人脸建模算法。

输入一个单目图片序列，算法建模生成人脸模型。

直接看下生成效果吧：

不用专业的拍摄设备，也不需要带深度信息的摄像头，普通的手机拍一小段视频，就能生成 4D Face Avatar。

这比之前介绍过得一阶运动模型的效果要逼真很多，毕竟这个是对人脸进行了建模，细节更好。

有了人脸模型，就可以通过其他视频，驱动这个人脸模型，做表情，做动作。

总结一下优点：只需要 monocular input，不需要 multi-view, 数据较好获取，且可⽣成新的pose 和表情。

当然缺点也有：⼀个 subject 对应⼀个模型，⽆法泛化。

训练一个 Nerf 模型，需要不少的时间。

项目地址：

https://github.com/gafniguy/4D-Facial-Avatars

teach

这段时间，最火的方向，莫过于基于文本用AI生成图像。

这类算法我也推荐过很多，像 DALL·E 2 和 Imagen，在之前的文章里，我都有介绍过。

功能都是类似的，根据一段文字描述，生成对应的图片，比如：

其实除了用文本生成 AI 图像，还可以驱动 3D 模型。

根据一段文字描述，控制 3D 人体模型做动作。

别看这些 3D 模型其貌不扬，但结合现在火热的一些 3D 人体建模算法，有趣的玩法很多。

想象一下：

你有个手机，拍摄了某个人的一段视频，然后就可以对这个人体进行 3D 建模，进而通过语音控制，可以让他/她做出各种动作。

当然，现在受限于建模资源、速度等问题，想要实现这些，还需要一些时间。

项目地址：

https://github.com/athn-nik/teach

Diffusion-Models

最后，再推荐一个非常实用的大合集。

我们知道，继 OpenAI 在 2021 提出的文本转图像模型 DALLE 之后，越来越多的大公司卷入这个方向，比如谷歌在今年相继推出了 Imagen 和 Parti，以及 DALL·E 2 和 stable-diffusion 等。

这些算法，有的是基于 GAN 的，有的是基于扩散模型（Diffusion Model）的。

OpenAI 的论文 Diffusion Models Beat GANs on Image Synthesis 也证明了扩散模型能够超越 GAN。

所以，关于扩散模型的研究，今年涌现了很多算法。

然后，便有了这个汇总项目，将各种扩散模型算法分门别类进行了总结：

想学习看论文的小伙伴，可以从这里下手：

https://github.com/YangLing0818/Diffusion-Models-Papers-Survey-Taxonomy

最后

三个实用项目分享给大家，祝各位玩得愉快~