Feb, 2021

A-NeRF：用于学习人体形态、外观和姿态的关节神经辐射场

PDF
TL;DR本文提出了一种基于神经径向基方法的生成神经体模型，通过学习未标记的单目视频，在不需要地面真实标签的情况下，共同完善的姿势和体积身体形状和外观，有效改善了多样化数据集上的准确性，是对使用反向运动学的引入的一个重要贡献。
deep learninggenerative modelsneural radiance fieldsmotion capturearticulated motion
发现论文，激发创造
  • 从单目 RGB 视频中生成可动态调整神经辐射场

    本文提出了可动态变化神经辐射场 (animatable NeRF) 的方法用于从单眼视屏中创建细节丰富的人物角色，通过引入显式姿势引导变形的方式学习场景表示网络扩展神经辐射场 (NeRF) 到带有人体运动的动态场景，并展示了该方法在人物几何和外观重建、真实感渲染和动画设计等方面取得了突破性成果。

    Jun, 2021

  • 从纹理空间中为 NeRFs 进行动画：一种基于姿态的人类表演渲染框架

    基于 NeRF 的人体表演姿态依赖渲染的新方法，通过将辐射场围绕 SMPL 人体模型进行扭曲，实现了新的表面对齐表示，可以通过骨骼关节参数和视点来实现动画化，并通过引入新的重新映射过程来实现高质量渲染。

    Nov, 2023

  • H-NeRF: 人体运动的神经辐射场渲染与时间重建

    本文提出了神经辐射场用于人物运动的渲染和时空（4D）重建，该方法将神经场表示、新视角合成和隐式统计几何人类表示相结合，并应用于人类姿势识别和服装模拟。

    Oct, 2021

  • GHNeRF：学习具有高效神经辐射场的通用人类特征

    GHNeRF 是一种新颖的方法，通过学习 2D/3D 人体关节位置与 NeRF 表示来解决 3D 人体表示中缺乏的关键信息，以实现对人体生物力学特征的编码，并得到接近实时的最先进结果。

    Apr, 2024

  • NeuMan: 从单个视频中获取人类神经辐射字段

    本文提出了一个新的框架，用于从野外视频中重建人体和场景，并在单个视频上提供新的人体姿势和视角渲染的方法。通过训练两个 NeRF 模型（human 和 scene），并依赖现有方法估计人体和场景的大致几何形状，可以从观察空间创建到无关姿态的规范空间的偏移场，进而在规范空间中训练人体模型。我们的方法能够从仅 10 秒的视频剪辑中学习特定主题的细节，包括服装褶皱和配件，并提供在新视角和新姿势下人体的高质量渲染和背景。

    Mar, 2022

  • 神经表达辐射场

    我们提出了一种新的可变形三维表达方式 —— 神经关节光辐射场（NARF），该模型可以从图像中学习人工对象的运动姿态，并实现姿态的收放自如。NARF 不仅具有充分的可训练性和不可分性，而且还能够在多个实例的对象类中学习出外观的变化。实验证明，该方法高效可行、泛化能力强，并且代码已开源。

    Apr, 2021

  • MA-NeRF：基于动作协助的神经辐射场技术，用于从稀疏图像合成人脸

    本文提出了一种新的框架，即结构位移特性和语义感知学习模块，来改进 NeRF 的不足之处并成功处理未见过的表情，实现了从稀疏图像中合成逼真的三维人脸形象，并在定量和定性上比当前艺术水平领先。

    Jun, 2023

  • HandNeRF: 可交互手部的神经辐射场

    该文提出了一个新的框架，使用神经辐射场（NeRF）重建手的外观和几何，使得能够从任意视角呈现手势动画的逼真图像和视频，并利用姿势驱动的变形场等方法实现了手外观与几何的合理映射，同时在密度学习中使用了伪深度图进行遮挡处理，最终在多项实验证明了该方法的有效性。

    Mar, 2023

  • 通过引导辐射场反演从单张图像中提取形状、姿态和外观

    使用神经辐射场和 GAN 相结合的方法在 3D 重建领域具有前景，但大多数现有方法忽略了准确地估计姿态，而本文提出的一种基于自然图像的端到端重建框架则能解决这一问题，使得单个图像就能恢复 3D 形状、姿态和外观，且表现良好。

    Nov, 2022

  • 生成式神经关节辐射场

    提出使用 3D GAN 框架对人体或脸部特征进行辐射场生成，通过显式变形场将其变形为期望的姿势或表情，并展示了编辑生成体或脸部特征时显式变形训练过程在提高其质量方面的显著优势。

    Jun, 2022