BriefGPT - AI 论文速递
·
DreamWaltz-G: 基于骨架引导的2D扩散生成表现力丰富的3D高斯头像
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
DreamAvatar是一个生成高质量3D头像的框架，结合NeRF和文本到图像扩散模型，通过SMPL模型指导姿势和形状。它采用双重空间设计，优化纹理和几何，实现生动效果。评估显示其在文本和形状引导的3D生成中表现出色。
🎯
关键要点
-
DreamAvatar是一个生成高质量、可控制姿态的3D人类头像的框架。
-
使用可训练的NeRF生成3D点密度和颜色特征。
-
预先训练的文本到图像扩散模型提供2D自监督。
-
通过SMPL模型提供粗略的姿势和形状指导生成。
-
引入双重空间设计，包括规范空间和观察空间。
-
NeRF学习的变形场连接规范空间和观察空间。
-
优化的纹理和几何从规范空间转移到目标位置头像。
-
添加正常一致性正则化以获得更生动的几何和纹理。
-
经过评估，DreamAvatar明显优于现有方法。
-
为文本和形状引导的3D人体生成设立了新的技术水准。
🏷️
标签
➡️
