高鹏 1120210558：个人完成。
下载模型权重 google-drive，
将里面的三个 .pth.tar 文件放到 checkpoints/EAMM/ 路径下。
该路径下应该包括以下8个文件：1-6000.pth.tar, 5-3000.pth.tar, 124_52000.pth.tar, M003_template.npy, shape_predictor_68_face_landmarks.dat, mb1_120x120.pth, bfm_noneck_v3.pkl, param_mean_std_62d_120x120.pkl 。
然后进入 talkingface\utils\pose_3ddfa\FaceBoxes\utils 目录，运行以下命令（需要安装 Cython 库）：
python3 build.py build_ext --inplace预处理
预处理在框架中自动完成，包括三个部分：
- 将视频按帧导出为图片序列，大小为 (256,256,3)
- 提取音频的mfcc特征导出为
.npy文件 - 提取人脸的姿态数据导出为
.npy文件
处理好的文件分别位于数据集中 preprocessed_data 目录下的 crop, MEAD_MFCC 和 pose。
训练
在作者开源的代码中，训练所需的数据集和模型部分，存在一些错误，包括：
- 数据集构建的代码中包括作者本机的文件地址，文档或注释中也并未说明这些文件是怎么来的，需要哪些处理，自己尝试复现可能需要花费大量时间和算力，故而放弃
- 训练所需的模型代码中存在大量变量未定义的报错，应该是没有将完整的代码传上去
综上所述，最后未能复现训练部分。但是，训练相关的代码均已补充完整，后面可以在此基础上尝试填补上述缺漏。
推理
python .\run_talkingface.py -m EAMM -d mead --config_files '.\talkingface\properties\overall.yaml .\talkingface\properties\model\EAMM.yaml .\talkingface\properties\model\EAMM\evaluate.yaml' --evaluate_model_file .\talkingface\properties\model\EAMM\evaluate.yaml推理过程的配置主要在 evaluate.yaml 中，主要的配置包括：
- source_image：生成结果所使用的人脸图片
- driving_video：生成结果所使用的表情视频
- in_file：生成结果所使用的驱动语音
- pose_file：生成结果所使用的人脸的姿态数据
- emotion：生成的表情，包括 'angry', 'contempt','disgusted','fear','happy','neutral','sad','surprised'
据论文所述，上述文件均不必来自同一源视频。
生成的结果位于 saved\eamm\output\ 下，mp4 是不带声音的，mov 是带声音的，emotion.mov 是生成结果，all.mov 是和驱动视频的效果对比。
