Apr, 2021

NPMs: 三维可变形形状的神经参数模型

PDF
TL;DR本论文提出了一种学习式的 Neural Parametric Models (NPMs) 用于精确地重建和跟踪人体、手部和服装等物体的运动序列，并展示了该方法相对于传统参数化或非参数化方法的优越性。
neural parametric models3d modelslatent-space representationsdeformable sequencesmonocular depth sequences
发现论文，激发创造
  • DNPM: 人脸几何细节综合的神经参数化模型

    提出了一种名为 DNPM 的神经参数化模型，用于面部几何细节，它利用深度神经网络从编码细节和皱纹的面部位移图中提取潜在代码。在 DNPM 的基础上，提出了一种名为 Detailed3DMM 的新型 3DMM，通过仅使用身份和表情输入进行面部细节的合成来改进传统的 3DMM。另外，我们展示了 DNPM 和 Detailed3DMM 在两个下游应用中的作用：基于语音驱动的详细 3D 面部动画和从降质图像中进行 3D 面部重建。广泛的实验证明了 DNPM 和 Detailed3DMM 的有用性以及两种提出的应用的进展性。

    May, 2024

  • 三维双心室心脏形态重建和建模的神经可变形模型，基于二维稀疏心脏磁共振成像

    将神经可变形模型应用于心脏三维双心室形状的重建和建模，可通过学习几何参数函数和全局 / 局部变形实现心脏形状恢复，能够自动生成高质量的三角网格，并实现不同心脏形状之间的精确匹配，具有优于传统方法的表现。

    Jul, 2023

  • 非线性 3D 人脸可变模型

    本文提出了一种从大量非约束人脸图像中学习非线性 3D Morphable Model 的创新框架，该模型拥有比线性模型更强大的表示能力，并对人脸对齐和 3D 重建做出了贡献。

    Apr, 2018

  • 非参数遮蔽语言建模

    本论文介绍了一种基于非参数分布的掩码语言模型，其以参考语料库中的所有短语作为分布依据，通过对比学习和批次近似方法进行高效训练，实现了对罕见词或短语的有效预测和处理，与其他参数化模型比较表明，该模型在 9 项封闭任务和 7 项开放任务中的表现表明了优越性。

    Dec, 2022

  • 将隐式函数学习与参数模型相结合的三维人体重建

    本文提出了一种方法，通过深度学习的隐式函数和参数表示相结合，重建出具有可控性和高准确性的人体 3D 模型，使得即使加上服装等复杂因素，也能够保证模型的灵活性。

    Jul, 2020

  • LatentHuman：人体形态和姿势分离的潜在表征

    本文提出了一种基于运动学模型的神经隐式表示方法，可以同时处理人体的形状和姿态，实现了更好的三维重建效果和任务控制能力。

    Nov, 2021

  • 基于 Landmark-Parameter Morphable Model 的神经说话人模型直观姿态控制 (LPMM)

    本文提出了一种新方法，使用参数化控制头部方向和面部表情，从而在预训练的神经网络对话头模型上提供直观的刚体控制，允许参数和基于图像的输入。

    May, 2023

  • HeadCraft: 建模用于动态三维面模型的高细节形状变化

    通过神经表征，当前人类头部建模的进展允许生成逼真的 3D 头部模型。然而，构建完整的高保真度头部模型，并在明确控制动画的同时保留细节仍然是一个问题。我们引入了一种生成模型，用于在可显式动画和高细节保存之间创建详细的 3D 头部网格。

    Dec, 2023

  • 学习梯度下降拟合人体模型

    本文提出了一种新算法，将迭代梯度下降和深度神经网络结合起来，实现 3D 人体形状与图像的拟合。该算法只需人体动作捕捉数据，不需要图像到 3D 对应关系，并且在公共数据集上达到了最先进的结果。

    Aug, 2020

  • SMPLpix：基于 3D 人体模型的神经化身

    本研究提出了一种新的深度学习网络，用于将 3D 模型转换为逼真的照片，旨在弥合现有深度生成模型不能灵活控制的瓶颈问题，同时也改善了传统三维图形处理渲染机制的不足之处。

    Aug, 2020