表情丰富的全身三维高斯化身
原文中文，约400字，阅读约需1分钟。发表于：。通过将整体参数网格模型（SMPL-X）和 3D 高斯喷洒（3DGS）相结合，本研究提出了一种能够从短的单目视频中学习的表情丰富的全身 3D 人类化身 ExAvatar，以解决由于视频中面部表情和姿势多样性有限以及缺乏 3D 观测而导致的新型面部表情和姿势动画的困难和可见艺术品问题。
GaussianAvatar是一种高效的方法，可以从单个视频中创建具有动态3D外观的逼真人类化身。该方法使用可动画化的3D高斯函数来表示不同姿势和服装风格的人类，从而更有效地将2D观察融合到3D外观中。此外，GaussianAvatar还支持姿势相关的外观建模，并通过动态外观网络和可优化特征张量来学习运动到外观的映射。该方法在公共数据集和收集数据集上得到验证，展示了其在外观质量和渲染效率方面的优越性能。
