BriefGPT - AI 论文速递
·
InstantAvatar: 通过表面渲染快速高效的三维头部重建
💡
原文约400字/词，阅读约需1分钟。
📝
内容提要
本文介绍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，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。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变形驱动插值生成体积辐射。
-
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具有更好的推广能力和优秀的渲染效果。
➡️
