tomas-gajarsky/facetorch

What it solves

Facetorch 提供一个统一且高性能的 Python 工具包，用于人脸检测与分析。它解决了必须手动整合多个不同开源人脸分析模型（如情绪识别、深度伪造检测、人脸验证）的问题，通过精选和优化，将它们整合为单一、可扩展的库。

How it works

该库使用中心的 FaceAnalyzer 类来协调一系列组件的流水线：

1. Reader：将图像加载为张量。
2. Detector：使用神经网络（如 RetinaFace）定位图像中的人脸。
3. Unifier：归一化人脸尺寸并进行缩放，以确保处理的一致性。
4. Predictors：一组专门的神经网络，分析特定特征（例如面部表情、动作单元、情感价值/唤醒度以及深度伪造检测）。
5. Utilizers：处理输出的工具，如绘制边框或保存结果。

为了确保高性能，库使用 TorchScript 对模型进行优化，以加速 CPU 与 GPU 上的执行。它还集成 Hydra 进行配置管理，并通过 Hugging Face Hub 自动下载模型。

Who it’s for

Facetorch 面向需要灵活、可扩展的人脸分析解决方案的开发者和研究人员，让他们能够在无需从头构建基础设施的情况下，利用社区驱动的开源模型。

Highlights

• Comprehensive Analysis：支持广泛任务，包括面部表情识别（FER）、深度伪造检测、人脸验证和 3D 人脸对齐。
• Performance Optimized：使用 TorchScript 加速 CPU 与 GPU 推理。
• Extensible Architecture：允许用户通过将 TorchScript 文件上传至 Hugging Face Hub 并添加 YAML 配置来添加新模型。
• Reproducible Setup：提供 Docker 与 conda‑lock 支持，以确保环境管理的一致性。