BriefGPT - AI 论文速递
·
基于几何引导文本图像扩散模型的神经辐射场可控三维化身生成
💡
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、可控制姿态的3D人类头像的框架，使用NeRF生成3D点密度和颜色特征，通过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，通过双重空间设计将规范空间和观察空间联系起来。经过评估，DreamAvatar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。
🎯
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。
- 通过预先训练的文本到图像扩散模型提供2D自监督。
- 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，连接规范空间和观察空间。
- 通过NeRF学习的变形场将优化的纹理和几何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优于现有方法，设立了新的技术水准。
➡️
