解剖学约束的隐式人脸模型
通过基于部件的隐式形状模型，我们设计了一种可以控制 3D 头像的方法，可以推断局部语义 Rig，包括面部特征，通过局部控制丰富了隐式形变字段，使其具有更强的局部控制性能。
Apr, 2023
本文全面回顾了隐式神经表达在人体建模中的应用，比较分析了隐式建模方法在身体、手和头部的应用，并指出了当前工作的不足之处和研究人员的可用建议。
Jun, 2023
提出了一种新颖的快速 3D 神经隐式头像模型，实现实时渲染并保持细粒度的可控性和高渲染质量。本方法引入局部哈希表混合形状，通过线性合并和卷积神经网络预测的权重，将其附加到底层面部参数模型的顶点上，从而实现表情相关的嵌入。通过轻量级多层感知机实现高效的密度和颜色预测，并通过分层最近邻搜索方法加速。大量实验证明，本方法在实时运行的同时实现了与最新技术相比可比的渲染质量，并对具有挑战性的表情获得了不错的结果。
Apr, 2024
本研究介绍了一种利用概率形状先验的坐标神经表示方法，结合隐式可微渲染，通过两阶段优化过程，成功实现了多视角三维重建中几乎与 3D 可塑性模型方法、视角较多时的非参数方法相当的高保真度的少视角全三维头部重建。
Jul, 2021
基于数据驱动的隐式神经物理模型，我们提出了一种新的面部模型，可以分别通过表情和风格进行驱动，并且可以实现从一个角色到另一个角色的风格转移和不同角色之间的风格混合。
Jan, 2024
本文介绍了一种用于医学图像分割的隐式神经网络方法，通过利用不同类别内多个实例的物理信息构建了 PICCT，对卷积神经网络生成的初始结果进行了优化，实验结果表明该方法在形状细化方面的优越性。
Dec, 2023
通过使用一个可微分的、准静态的、基于物理学的仿真层，以神经网络参数化为特征，本论文利用活动软体对形态施加内部驱动机制。关键贡献是通过定义一个函数实现空间点在材料空间中到激励值的连续映射，从而提供了捕获信号主导频率的特性。扩展了隐式模型到下颚运动学，特别是面部动画的情况，并展示了能够可靠地复制用高质量捕捉系统记录的面部表情的能力。我们将该方法应用于体积软体、人体姿势和面部表情，证明了对艺术家友好的属性，如在测试时对潜在空间的简单控制和解析度不变性。
Jan, 2024
本论文提出了一种使用基于关节的面部模型和神经细胞网络来学习三维面部模型的新方法，该模型相比之前的基于混合形态的模型具有更小的体积，更容易进行人脸编辑，更准确地支持添加眼睛，嘴巴和配饰设计，并且仅需一小组数据集，同时支持高质量 3D 扫描和 RGB 图像等广泛适用于图形和视觉应用。
Jul, 2020
本研究提出了一种新型的神经隐式表示方法，旨在有效地对人体的关节运动进行建模、重构和合成，该方法利用具有局部感知能力的编码器 - 解码器结构将全身几何形状分解成局部身体部位，并学习局部复杂变形的神经隐式占据，同时考虑到身体部位的几何限制来提高姿态泛化能力，在 3D 环境中易于处理自相交和碰撞，实验结果表明，该模型在效率和准确性方面明显优于现有的解决方案。
Apr, 2022