Jun, 2023

虚拟人生成模型：掩码建模方法学习人类特征

PDF
TL;DR该研究提出了一种深度生成模型，名为 Virtual Human Generative Model，可以通过机器学习方法来对医疗健康特征、生活方式和个性进行建模，并提供行动建议。
healthcare attributeslifestylespersonalitymachine learningvirtual human generative model
发现论文，激发创造
  • VirtualModel：通过扩散模型生成具有对象识别保持性的人 - 对象互动图片以用于电子商务营销

    本文提出了一种用于电子商务营销的虚拟模型框架，旨在生成与产品完全一致的人物图像，并增强人物与产品的合理性和真实性。

    May, 2024

  • HumanGAN：一种生成人类图像的模型

    本研究设计了一种人类图像生成的生成模型，能够控制姿势，不同身体局部的外貌以及服装风格，能够生成高逼真度的图像，并在不同方面表现出色，如姿态控制、部位和服装转移以及关节采样。

    Mar, 2021

  • 基于物理建模的人脸属性学习形成

    本研究提出了一种基于深度学习的生成模型，结合 4000 高分辨率人脸扫描数据集，能够产生多种面部几何、材料属性的人脸模型，并可用于物理渲染，旨在增加面部身份的多样性，提高唯一组件之间的韧性，包括中频几何、反照率图、高频位移细节等，可用于新颖的身份生成、模型拟合、插值、动画、高保真数据可视化和低到高分辨率数据域转换，并有望鼓励所有图形、视觉和数据专业人士之间进一步的合作，展示每个人完整生物特征资料的累积价值。

    Apr, 2020

  • 学习可局部编辑虚拟人

    本文提出一种新的混合表征和端到端可训练的网络体系结构，以建模完全可编辑和可定制的神经化身，并设计实现一种特征码本以存储可变形体模型的本地几何和纹理特征。该模型具有 3D 一致性，并利用神经场的模建模力量。此外，该方法还可在三维资产之间交换本地特征以实现局部编辑。通过贡献一个新的高质量数据集，该方法生成了多样化的详细化身，并比现有方法获得更好的模型拟合性能。

    Apr, 2023

  • 基於視覺生理監測的大型醫學模型對公共衛生的研究

    在全球公共卫生领域，COVID-19 流行病的广泛爆发对全球化挑战发出了警示。本研究提出了一种利用视觉生理监测技术的公共卫生大型医疗模型（PHLMM）的前瞻性框架和启发式视角，该模型可作为构建大规模医疗数据库和公平医疗模型（LMM）的解决方案，消除了人工智能模型中数据集偏见和不公平性问题，并为促进全球公共卫生和医学人工智能领域的发展扮演了重要角色。

    Apr, 2024

  • MEGA：人体网格恢复的掩码生成自编码器

    基于掩码生成建模的新方法 MEGA，可以从图像和部分人体网格序列中恢复人体网格，通过灵活的生成方案可以在确定模式下预测单个人体网格或在随机模式下生成多个人体网格，实验结果表明 MEGA 在确定和随机模式下均取得了最先进的性能，优于单输出和多输出方法。

    May, 2024

  • StylePeople: 全身人型头像生成模型

    本文提出了一种基于参数化网格人体模型和神经纹理的新型全身人体化身，证明了神经纹理能够成功地建模衣服和头发，并展示了如何使用反向传播从视频的多个框架创建这些化身，进一步提出了一种适用于人体化身的生成模型，能够从人们的图像和视频数据集中进行训练，可以随机生成人体化身以及从一到几张图片中创建穿着着装的人体化身。

    Apr, 2021

  • FaceGPT：自监督学习关于 3D 人脸的对话

    FaceGPT 是一个自我监督学习框架，用于从图像和文本中推断 3D 人脸的大 视觉 - 语言模型（VLMs）的研究论文。

    Jun, 2024

  • 生成合理的医疗记录合成数据集

    通过对患者数据集进行聚类，我们提出了一种新方法来生成二进制数据集，该方法不同于 Generative adversarial networks（GANs），生成的模型易于解释，且通过比较实际应用数据集的多个参数得出的结果表明，该方法生成的人造数据集在多个指标上比现有方法更为逼真。

    Jul, 2018

  • GAN-Avatar: 可控个性化基于 GAN 的人头图像生成器

    我们提出了一种从图像中学习具有人物特定的可动画化角色模型的方法，旨在解决面部表情追踪失败的问题，并实现高保真度的图像合成。

    Nov, 2023