BriefGPT - AI 论文速递
·
多样发型体积捕捉的本地外观模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
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，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。实验结果表明，该方法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。
🎯
关键要点
-
提出了一种从野外拍摄的单目 RGB 视频学习高质量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。
-
通过在 3DMM 几何上锚定的局部特征来预测，并通过 3DMM 变形驱动插值产生体积辐射。
-
在 UV 空间使用卷积神经网络整合空间上下文，产生代表性的局部特征。
-
实验结果表明，该方法能够重建高质量头像，具有更准确的表情依赖细节。
-
该方法在训练之外的表情和数量上表现优秀，渲染效果更佳。
➡️
