提出了一种只需要一张源图像就能重建高保真度的三维面部角色建模方法,通过使用 3D GAN 的生成先验和有效的编码器 - 解码器网络来重建源图像的规范神经体积,同时使用补偿网络来补充面部细节,并引入变形场来对面部表情进行精细控制。与多种先进方法相比,实验结果显示合成效果更加优越。
Jul, 2023
本文提出了一种名为 NeuralHumanFVV 的实时神经人体表演捕捉和渲染系统,采用分层采样策略以及新颖的神经混合方案,能够在新视角下生成高质量的几何和逼真的贴图结果,实现了高质量的四维重建和逼真的自由视点重建。
Mar, 2021
本研究提出了将本应在神经网络评估后再进行渲染的颜色,改为直接渲染出射线查询的特征向量,从而大幅降低了神经网络评估的复杂度和计算开销,并取得了较好的渲染质量。
May, 2023
论文提出了一种名为 NeuFace 的新型 3D 面部渲染模型,可以通过神经渲染技术学习准确和具有物理意义的底层 3D 表示。
Mar, 2023
本研究提出了 RigNeRF 这一系统,不仅能够让用户通过单个肖像视频控制头部姿态和面部表情,还能够实现场景物体的编辑和自由视角合成。
Jun, 2022
本文提出了一种深度学习的自动化骨骼绑定与重定向方法,名为神经面部绑定(NFR),其在艺术控制、面部网格的连接与表情、表情细节方面具有良好表现。
提出一种将神经点表示和神经体渲染结合的方法,使用高分辨率 UV 位移贴图约束神经点来实现更准确的表情控制,通过使用 GEP 射线采样策略和轻量级辐射解码过程,提高了渲染和训练效率。在 Multiface 数据集上通过实验验证了该方法的有效性。
使用 FENeRF 三维图像生成器,为了在保持视觉一致性的同时生成本地可编辑的肖像图像,我们提出了一种方法。
Nov, 2021
使用动态神经辐射场模型重新构建并生成能够通过单目输入数据学习的场景表示,结合场景表示网络和低维可变形模型进行虚拟场景生成。
Dec, 2020
本文提出了 Instant-NVR,一种利用单个 RGBD 相机进行即时容积式人物 - 物体跟踪和渲染的神经方法。该方法在采用高鲁棒性的捕获方案提供足够运动先验的同时,通过多线程跟踪 - 渲染机制,将传统的非刚性跟踪与最近的实时辐射场技术联系起来。本文还介绍了一个在线关键帧选择方案和一个渲染感知的细化策略,以显著提高在线新视角综合的外观细节。
Apr, 2023