注：本文基于Windows系统，PyTorch运行平台为cpu。

一、准备工作

1.1 下载代码

地址：https://github.com/YadiraF/DECA
可以直接下载代码压缩包(DECA-master.zip)，并解压文件，为了方便说明，本文把根目录记为DECA。

1.2 下载FLAME2020

FLAME2020是德国马普研究所(马克斯·普朗克学会)做的FLAME model (Faces Learned with an Articulated Model and Expressions)，其官网地址：https://flame.is.tue.mpg.de/，先要email注册账号，很快邮箱会收到一个确认邮件，点击确认链接后就注册成功了。最后登录官网后在Download页面下载（如下图）；也可以直接下载：https://download.is.tue.mpg.de/download.php?domain=flame&sfile=FLAME2020.zip&resume=1。

下载后的文件FLAME2020.zip直接解压，把其中的generic_model.pkl拷贝到DECA\data下。

1.3 下载DECA model

下载地址是：https://drive.google.com/file/d/1rp8kdyLPvErw2dTmqtjISRVvQLj6Yzje/view，也可在此下载。
注意：deca_model.tar不是压缩文件，直接放到DECA\data下使用。

1.4 下载FLAME_albedo_from_BFM.npz

注：这个是选用，可不用下载。
FLAME_albedo_from_BFM.npz可从https://github.com/TimoBolkart/BFM_to_FLAME按照README方法获取，也可在此下载。

二、安装环境

2.1 安装requirements.txt里面依赖包

使用PyTorch是的LTS(1.8.2)CPU版，所以Python版本是3.8，其它包版本如下：

Python==3.8
PyTorch==1.8.2
torchvision==0.9.2
numpy==1.23
scipy==1.4.1
chumpy==0.70
scikit-image==0.15
opencv-python==4.1.2.30
pyyaml==5.1.1
face-alignment==1.3.5
yacs==0.1.8
kornia==0.4.1

2.2 安装PyTorch3D

因为这里使用CPU平台，所以要使用PyTorch3D。Windows系统安装PyTorch3D比较麻烦，首先要下载源码。这里使用PyTorch3D==0.70，下载地址：https://codeload.github.com/facebookresearch/pytorch3d/zip/refs/tags/v0.7.0，完成后解压。
根据README说明，首先安装如下包：

fvcore==0.1.5.post20220512
iopath==0.1.10

然后IDE中setup.py设置Run Configuration Parameters为“install”执行（如下），执行过程中有警告，可以忽略。

python setup.py install

执行完成后，可用如下代码测试一下安装是否成功：

import pytorch3dprint(pytorch3d.__version__)

三、修改代码

3.1 修改FaceAlignment运行平台

因为运行在CPU上，源代码FaceAlignment默认运行平台是CUDA，所以做如下修改：

DECA\decalib\datasets\detectors.py：Line-20

class FAN(object):def __init__(self, device=None): # ←def __init__(self, device=None)import face_alignment# ↓self.model = face_alignment.FaceAlignment(face_alignment.LandmarksType._2D, flip_input=False)if device is None:self.model = face_alignment.FaceAlignment(face_alignment.LandmarksType._2D, flip_input=False)else:self.model = face_alignment.FaceAlignment(face_alignment.LandmarksType._2D,flip_input=False, device=device)

DECA\decalib\datasets\datasets.py：Line-49

 # ↓def __init__(self, testpath, iscrop=True, crop_size=224, scale=1.25, face_detector='fan', #              sample_step=10):def __init__(self, testpath, iscrop=True, crop_size=224, scale=1.25, face_detector='fan', sample_step=10, device=None):'''testpath: folder, imagepath_list, image path, video path'''if isinstance(testpath, list):self.imagepath_list = testpathelif os.path.isdir(testpath): self.imagepath_list = glob(testpath + '/*.jpg') +  glob(testpath + '/*.png') + glob(testpath + '/*.bmp')elif os.path.isfile(testpath) and (testpath[-3:] in ['jpg', 'png', 'bmp']):self.imagepath_list = [testpath]elif os.path.isfile(testpath) and (testpath[-3:] in ['mp4', 'csv', 'vid', 'ebm']):self.imagepath_list = video2sequence(testpath, sample_step)else:print(f'please check the test path: {testpath}')exit()# print('total {} images'.format(len(self.imagepath_list)))self.imagepath_list = sorted(self.imagepath_list)self.crop_size = crop_sizeself.scale = scaleself.iscrop = iscropself.resolution_inp = crop_sizeif face_detector == 'fan':# ↓self.face_detector = detectors.FAN()if device is None:self.face_detector = detectors.FAN()else:self.face_detector = detectors.FAN(device)

DECA\demos\demo_reconstruct.py：Line-40

    # ↓testdata = datasets.TestData(args.inputpath, iscrop=args.iscrop, face_detector=args.detector,#                              sample_step=args.sample_step)testdata = datasets.TestData(args.inputpath, iscrop=args.iscrop, face_detector=args.detector, sample_step=args.sample_step, device=device)

DECA\demosdemo_transfer.py：Line-35

    # ↓testdata = datasets.TestData(args.image_path, iscrop=args.iscrop, face_detector=args.detector)testdata = datasets.TestData(args.image_path, iscrop=args.iscrop, face_detector=args.detector, device=device)# ↓expdata = datasets.TestData(args.exp_path, iscrop=args.iscrop, face_detector=args.detector)expdata = datasets.TestData(args.exp_path, iscrop=args.iscrop, face_detector=args.detector, device=device)

DECA\demos\demo_teaser.py：Line-39

    # ↓testdata = datasets.TestData(args.inputpath, iscrop=args.iscrop, face_detector=args.detector)testdata = datasets.TestData(args.inputpath, iscrop=args.iscrop, face_detector=args.detector, device=device)# ↓expdata = datasets.TestData(args.exp_path, iscrop=args.iscrop, face_detector=args.detector)expdata = datasets.TestData(args.exp_path, iscrop=args.iscrop, face_detector=args.detector, device=device)

3.2 修改Model载入参数

DECA\decalib\deca.py：Line-89

            # ↓checkpoint = torch.load(model_path)checkpoint = torch.load(model_path, map_location=self.device)

3.3 添加extract_tex

extract_tex可根据需要设置为True或False。
DECA\decalib\utils\config.py：Line-43

cfg.model.use_tex = True
# ↓增加extract_tex设置
cfg.model.extract_tex = True

四、运行Demo

4.1 人脸重建（3D Face Reconstruction）

运行参数如下，如果没有下载FLAME_albedo_from_BFM.npz，“–useTex True”要删掉。

python demos\demo_reconstruct.py --inputpath TestSamples\examples --savefolder TestSamples\examples\results
--saveDepth True --saveObj True --device cpu --rasterizer_type pytorch3d --useTex True

或者在PyCharm等IDE执行，在demo_reconstruct.py的Run Configuration Parameters设置如下：

--inputpath ..\TestSamples\examples
--savefolder ..\TestSamples\examples\results
--saveDepth True
--saveObj True
--device cpu
--rasterizer_type pytorch3d
--useTex True

说明：inputpath是输入图片路径，savefolder保存结果路径。CPU执行耗时约为两分钟。部分结果如下：

4.2 表情迁移（Expression Transfer）

python demos\demo_transfer.py --image_path TestSamples\examples\xxx.jpg --exp_path TestSamples\exp\7.jpg
--savefolder TestSamples\examples\results --device cpu --rasterizer_type pytorch3d

或者在PyCharm等IDE执行，在demo_transfer.py的Run Configuration Parameters设置如下：

--image_path ..\TestSamples\examples\xxx.jpg
--exp_path ..\TestSamples\exp\7.jpg
--savefolder ..\TestSamples\examples\results
--device cpu
--rasterizer_type pytorch3d

说明：image_path是输入图片地址，exp_path是要迁移的表情图片，savefolder保存结果路径。CPU执行耗时约为1分钟。结果如下：

4.3 姿态和表情动画（Reposing and Animatio）

python demos\demo_teaser.py --inputpath TestSamples\examples\xxx.jpg --exp_path TestSamples\exp
--savefolder TestSamples\teaser\results --device cpu --rasterizer_type pytorch3d

或者在PyCharm等IDE执行，在demo_teaser.py的Run Configuration Parameters设置如下：

--inputpath ..\TestSamples\examples\xxx.jpg
--exp_path ..\TestSamples\exp
--savefolder ..\TestSamples\teaser\results
--device cpu
--rasterizer_type pytorch3d

说明：inputpath是输入图片地址，exp_path是要迁移的表情文件夹，savefolder保存结果路径。CPU执行耗时约为23分钟。结果如下：

五、常见错误

5.1 找不到指定的模块

报错信息如下：

ImportError: DLL load failed while importing win32file: 找不到指定的模块

这是IDE工具在使用Anaconda虚拟环境的时候经常会出现的DLL加载失败，解决办法在Run Configuration➤Environment Variables设置如下参数：

CONDA_DLL_SEARCH_MODIFICATION_ENABLE = 1

PyCharm设置如下图：

5.2 UserWarning: Mtl file does not exist