Jun, 2023

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

PDF
TL;DR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。
3d face avatar synthesissparse imagesparametric modelsnerf-based avatar methodssemantic-aware learning
发现论文，激发创造
  • MoFaNeRF：可塑性脸部神经辐射场

    提出了 MoFaNeRF 模型，它将自由视角图像映射到编码的面部形状、表情和外观的向量空间中，实现了照片级面部合成，有助于面部拟合、随机生成、面部编辑和新视角合成等多个应用。

    Dec, 2021

  • NOFA：基于 NeRF 的一次性面部头像重建

    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

  • RigNeRF: 全控制神经网络 3D 肖像

    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

  • 基于 NeRF 的人脸再现的密集对应关系学习

    我们提出了一种新颖的框架，使用三面体平面作为基本 NeRF 表示，并将面的三个部分分解为：规范三面体平面、身份形变和运动。在运动控制方面，我们的主要贡献是提出了一个平面字典（PlaneDict）模块，它将运动条件高效地映射到可学习的正交平面基的线性加权相加。据我们所知，我们的框架是第一个在没有 3D 参数模型先验的情况下实现一次性多视角面部重现的方法。大量实验表明，我们在细粒度运动控制和身份保持方面产生了比以前的方法更好的结果。

    Dec, 2023

  • A-NeRF：用于学习人体形态、外观和姿态的关节神经辐射场

    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。

    Feb, 2021

  • 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

  • 使用深度感知优化提高神经辐射场用于新景深合成

    SfMNeRF 提出了一种基于神经辐射场的方法，结合自监督深度估计方法对样本进行重构，同时利用极线和光度一致性等约束构建 3D 场景几何图像，提高了神经辐射场的表现，实现了更好地合成新视角。

    Apr, 2023

  • 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

  • HumanNeRF：从稀疏输入高效生成人体辐射场

    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