HeadNeRF:实时基于 NeRF 的参数化头部模型
文章提出了 FastNeRF 方法,通过图形学中的因式分解实现深度辐射图的高效缓存和查询,可在高端消费者 GPU 上以 200Hz 的速率呈现高保真度的照片般逼真的图像,比原始 NeRF 算法快 3000 倍,同时保持视觉质量和可扩展性。
Mar, 2021
HumanNeRF 是一种通用的神经表示方法,它沿着多视角输入引入了一个聚合像素对齐特征,并使用一种姿态嵌入的非刚性变形场来处理动态运动,进而通过外观融合模块进一步提高渲染质量,实现了在各种多视角动态人体数据集上合成具有照片般逼真的自由视角人类的高效和通用性。
Dec, 2021
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
通过融合传统模型的先验信息和新的神经辐射场模型,我们提出了一种新的混合显示 - 隐式 3D 表示方法,用于建模可动画化的 3D 人头头像。我们的方法实现了高分辨率、逼真且视角一致的动态头部外观综合,达到了与以前方法相比的最先进性能。
Sep, 2023
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
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
本研究提出了一种基于神经辐射场的高保真度自由视点下人体合成的通用且高效的管道,其中利用几何引导的多视点特征整合方法和渐进式渲染管道通过提供完整的几何体积和预测的密度值来显著提高多个泛化设置下的综合性能和渲染效率。
Dec, 2021
通过学习多视图图像中的人脸 NeRF 模型,我们解决了学习如何有效地捕捉眼球旋转以及构建表示眼球旋转的流形这两个关键问题。通过在 ETH-XGaze 数据集上进行实验,我们证明了我们的模型能够在新的视角下生成具有准确眼球旋转和非刚性外眼部变形的高保真图像,并且显示出利用渲染图像能够有效地提高凝视估计性能。
Aug, 2023