通过 AvatarStudio 生成高质量的、可动画的 3D 人物头像，首先使用低分辨率的基于 NeRF 的表示进行初步生成，然后结合 SMPL 引导关节活动增加明确的网格表示并支持头像动画和高分辨率渲染，在结果头像中引入基于 DensePose 的 2D 扩散模型以确保视角一致性和姿态可控性，利用 AvatarStudio 可以从文本中生成高质量的头像并具备动态效果，优于之前的方法，并且适用于多模态头像动画和风格引导头像创作等多个应用。

Nov, 2023

本研究提出了一种利用强化学习、物理模拟器和稀疏传感器数据实时将人类运动重定向到具有不同骨架结构的角色的方法，并仅需要运用运动捕捉数据进行培训，同时探讨了该框架中的重要组件。

Jul, 2023

本文提出了一种新的基于 3D 可塑模型（3DMM）的文本引导头部生成方法，利用扩散模型生成多视图一致性辐射场的同时更新几何和纹理以生成和文本描述一致的 3D 头部化身，以此在一定程度上提高 3D 头部生成的精度和多样性。

Jul, 2023

本文提出了 AvatarStudio—— 一种基于文本的方法，用于编辑动态全头人物角色的外观。该方法与现有的神经辐射场 (NeRF) 捕捉动态表现的工作相结合，并用文本 - 图像扩散模型对其进行编辑。经过我们视觉和数字方面的用户体验后，发现我们的方法优于现有的方法。

Jun, 2023

通过一张单一的图像生成具有可控面部表情、头部姿态和肩膀运动的可动画 3D 感知艺术化人物形象，并进行实时动态演示。

Mar, 2024

提出了 X-Oscar，一个用于从文本提示生成高质量、可动画化的头像的渐进式框架，采用顺序几何 -> 纹理 -> 动画的范式，通过逐步生成简化了优化过程。通过引入自适应变分参数 (AVP) 来解决过度饱和问题，在训练过程中将头像表示为自适应分布。此外，还提出了 Avatar-aware 评分蒸馏采样 (ASDS) 技术，将头像感知噪声引入渲染图像以提高生成质量。大量评估证实了 X-Oscar 相对于现有的文本到 3D 和文本到头像方法的优越性。

May, 2024

通过结合 2D 扩散模型和可动参数身体模型，TADA 能够利用文本描述创建具有高质量几何和逼真纹理的 3D 头像，能够实现动画和渲染，并在几何和纹理之间确保一致对齐。

Aug, 2023

通过结合文字和图像信息，利用扩散模型，我们开发了一种零样本的三维生成模型，能够合成高分辨率纹理网格，实现了将二维图像直接转化为三维空间的功能。

Aug, 2023

AnimatableDreamer 是一个文本到四维 (4D) 生成框架，通过从单目视频中提取的物体运动生成多种类别的非刚性物体，借助于我们的创新优化设计，即 Canonical Score Distillation (CSD) 简化了 4D 到 3D 生成维度，通过在时间变化的相机空间中去噪音并在唯一的规范空间中进行蒸馏过程，CSD 通过可微分的扭曲保证得分梯度通过规范空间反向传播，从而保证了时间一致的生成并在不同姿势中保持形态的可信度，在 4D 模型生成方面提供了一种新的视角和非刚性 3D 模型重构方法。

Dec, 2023

通过只使用单目视频和文本说明作为输入，我们提出了一个高质量且用户友好的肖像调整框架 CosAvatar，可以生成具有时间和 3D 一致性的可动画肖像。与直接在 2D 域中进行编辑的方法不同，我们使用动态 NeRF-based 3D 肖像表示来建模头部和躯干，通过交替编辑视频帧集和更新底层 3D 肖像，直到编辑帧达到 3D 一致性。此外，我们还整合了语义肖像先验知识，以增强编辑结果，实现在指定语义区域进行精确修改。大量结果表明，我们提出的方法不仅可以根据文本说明准确编辑肖像风格或局部属性，还支持由源视频驱动的表达性动画。

Nov, 2023