Dec, 2023

多样发型体积捕捉的本地外观模型

PDF
TL;DR本文介绍一种创建高度逼真、个性化发型的头像的新方法，通过利用不同发型间的局部相似性并从多视角捕捉数百人的数据生成通用的发型外观先验模型，该先验模型以 3D 对齐特征为输入，在稀疏点云颜色条件下生成密集辐射场，通过实验证明该模型能够捕捉各种多样的发型并且应用在生成逼真、个性化的具有完整发型的头像上，取得了优于现有方法的效果。
发现论文，激发创造
  • PVA：像素对齐的容积化身

    本文提出一种利用神经放射场和局部像素对齐特征预测人头部的体积化代理，可以在多身份环境中进行泛化，并且无需明确的 3D 监督。该方法在以光度渲染损失为基础的端到端训练中表现出更好的质量，并且能够生成真实的面部表情。

    Jan, 2021

  • 基于文本指导的合成型 3D 人物生成与编辑

    通过使用 3D 面部化身、文本引导生成、组合式化身、NeRF 和虚拟试穿，我们提出了一个新方法（TECA）来创建逼真的 3D 面部化身，同时实现可编辑性和特征转移。

    Sep, 2023

  • 通用单次神经头像模拟

    该研究提出了一种通过对单视角幅面图像进行重建和动画化的三维头像，通过三个三角面分别捕捉源图像的粗略三维几何，详细外观以及目标图像的表情实现，再通过超分辨率模块的渲染进行填充并通过单向传递网络的高效性进行动画。实验表明，该方法在重建和动画方面优于当前最先进的基线方法，并且对新的验证数据集有很好的泛化能力。

    Jun, 2023

  • 从单目 RGB 视频学习个性化、高质量的立体头像

    本文提出了一种从野外拍摄的单目 RGB 视频学习高质量的隐式三维头像的方法，该方法通过参数化人脸模型驱动头像实现用户控制的面部表情和头部姿态，使用几何先验和 3DMM 的动态跟踪结合神经辐射场实现细粒度控制和光线真实感，并通过在 3DMM 几何上锚定的局部特征来预测，通过 3DMM 变形驱动，插值在 3D 空间中产生指定查询点的体积辐射。我们进一步展示了在 UV 空间使用卷积神经网络是关键的，可以整合空间上下文和产生代表性的局部特征。大量实验表明，与其他最先进的方法相比，我们能够重建高质量的头像，并具有更准确的表情依赖细节，更好地推广到训练之外的表情和数量上优秀的渲染效果。

    Apr, 2023

  • 人形化建模的结构局部辐射场

    使用基于神经场景渲染技术的新型表示方法，将结构化本地辐射场锚定到人体模板节点上，将服装变形分解为骨架运动、节点残差翻译和每个辐射场内的动态细节变化，支持各种服装类型的自动构建可动画人形化身，并在新姿势下生成真实的动态细节图像。

    Mar, 2022

  • GPAvatar: 从图像 (s) 生成具有通用性和精确性的头像

    通过引入一个由点云驱动的动态基于点的表情场，以及在三平面规范场中使用多三平面注意力（MTA）融合模块来利用多个输入图像的信息，我们提出了一种名为 GPAvatar 的框架，可以在单次前向传递中从一个或多个图像中重建 3D 头像，实现忠实的身份重建，精确的表情控制和多视角一致性，并展示了自由视点渲染和新视角合成的有 promising 结果。

    Jan, 2024

  • One2Avatar: 少样本用户自适应的生成式隐式头像

    使用少量图像创建高质量的个性化头像，通过学习生成模型和 3DMM 锚定的神经辐射场骨干构建先验，实现基于少量输入图像的自动解码，优化 3DMM 拟合和相机校准以改进少样本自适应，开创了创建更高效个性化头像的道路，超越现有最先进的方法。

    Feb, 2024

  • HAAR: 基于文本条件的三维基于发丝的人体发型生成模型

    我们提出了 HAAR，一种基于链式的 3D 人类发型生成模型，通过文本输入生成可用于现代计算机图形引擎中的 3D 发型，并通过定性和定量研究，演示了该模型的能力并与现有发型生成方法进行了比较。

    Dec, 2023

  • NeuralHDHair：使用隐式神经表示从单张图像自动高保真度的建模

    本文介绍了一种使用神经网络从单一图像中建立高保真度的 3D 头发模型的方法，通过使用两种不同的神经网络，IRHairNet 和 GrowingNet，来实现头发几何特征的推测和 3D 头发丝的生成，从而取得了最先进的性能表现。

    May, 2022

  • 神经剪发：基于先验引导的基于发丝的头发重建

    本文提出了一种名为神经剪发的方法，可以从单眼视频或多视角图像中恢复出具有高逼真度和个性化的发型，该方法有两个阶段并通过不同 iable renderer，通过隐式体积表示对粗糙的头发和胸围形状及发型方向，以及头发的先验进行精确的几何重建，从而解决了现有方案面临的挑战。

    Jun, 2023