Jun, 2024

GGHead：快速且具有普适性的三维高斯头部

PDF
TL;DR从大型 2D 图像集合中学习 3D 头部先验是实现高质量 3D 意识人体建模的重要步骤。本研究提出了一种有效的架构，名为 Generative Gaussian Heads（GGHead），其采用了最近的 3D 高斯光斑表示法，并结合了 2D 图像生成器和全变差损失，能够快速生成并渲染具有高分辨率和全局 3D 一致性的头部实例。
3d head priors2d image collections3d gansgenerative gaussian headshigh-resolution rendering
发现论文，激发创造
  • 高斯头像：通过动态高斯实现超高保真度的头像

    高保真度 3D 头像模型的研究中，轻量级稀疏视图下依然存在很大挑战。本文提出了用可控的 3D 高斯模型表示的高保真度的头像模型。我们优化了中性 3D 高斯模型以及基于完全学习的 MLP 变形场，用于捕捉复杂表情。这两部分互相有益，因此我们的方法可以在保证表情精度的同时模拟细致的动态细节。此外，我们基于隐式 SDF 和深度 Marching Tetrahedra 设计了一个良好的几何引导初始化策略，以确保训练过程的稳定性和收敛性。实验证明，我们的方法优于其他最先进的稀疏视图方法，在夸张的表情下实现了 2K 分辨率下的超高保真度渲染质量。

    Dec, 2023

  • 高斯头像：动态混合神经场的令人印象深刻的基于高斯的 3D 头像

    基于 3D 高斯原理，我们提出了一个名为 GaussianHead 的头像算法，它在头部几何和三面平面的因素对齐变换有效消除了固定映射引入的偏见，使得在自重建、新视图合成和跨身份再现等任务中获得了最佳的可视效果，并保持高渲染效率（每帧 0.12 秒）。有关代码和其他视频可以在项目主页上找到。

    Dec, 2023

  • Gaussian3Diff：3D 高斯扩散用于 3D 全头部合成与编辑

    我们提出了一个新颖的框架，用于生成逼真的 3D 人头，并以卓越的灵活性操纵和更改它们。

    Dec, 2023

  • H3D-Net：小样本高保真 3D 头部重建

    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

  • 用对抗生成模型生成层级高斯模型的三维生成模型

    本文介绍了一种利用高斯表示三维生成对抗网络（3D GANs）的生成器架构，通过引入分层多尺度高斯表示有效地规范了生成高斯分布的位置和尺度，实现了显著更快的渲染速度，并具备可比较的三维生成能力。

    Jun, 2024

  • 单视角图像中的可推广人类高斯模型

    从单幅图像中学习可推广的三维人体高斯模型，通过扩散引导的三维人体建模框架，结合几何先验和注意机制，有效地恢复细节几何形状和外观，并具备在自然环境中的强大泛化能力。

    Jun, 2024

  • 高保真神经网络上半身头像：高斯锚定引导纹理扭曲

    通过在最新的 3D 高斯碎片表示上配备头部 3D 可塑模型（3DMM），现有方法成功地创建了高度逼真的头部化身。然而，大多数现有方法只能重建头部而不包括身体，从而严重限制了其应用场景。

    May, 2024

  • PanoHead: 360 度几何感知的 3D 全头合成

    提出了 PanoHead，这是第一种具有 3D 感知能力的生成模型，可以通过采用野外非结构图像进行训练来生成全头的高质量视角一致的图像，其核心是通过 3D GANs 来提高表示的能力并解决数据对齐差距。该方法可以在任意姿势下呈现准确几何形态和多样外观的高质量 3D 头部。

    Mar, 2023

  • 用于少样本全头重建的隐式形状和外观先验

    该研究利用坐标为基础的神经表示学习技术，在少样本条件下实现了全 3D 头部重建，并结合概率形状和外观先验，通过可微分渲染器引导符号距离函数的拟合过程，实现了高效准确的重建，同时利用 H3DS 数据集证明了该方法在几何重建方面具有出色的性能并比之前的方法快一个数量级。

    Oct, 2023

  • DaGAN++：用于生成逼真视频的深度感知生成对抗网络

    本研究提出了一种自监督学习的方法来学习面部视频的稠密三维几何结构，用于进一步引导面部特征点估计和生成高度逼真的聊天头像视频。

    May, 2023