返回
Towards Native Generative Model for 3D Head Avatar
DOI:10.1016/j.fmre.2025.12.031.png)
摘要
En 中文
创建3D头部化身是一个重要但具有挑战性的任务,适用于许多应用场景。先前的研究尝试利用大量的2D图像数据学习3D人体头部生成模型。尽管这些模型在人体外观上具有高度的泛化能力,但其结果模型并非360°可渲染的,且预测的3D几何形状不可靠。因此,此类结果无法用于VR、游戏建模以及其他需要360°可渲染3D头部模型的场景。一个直观的想法是,少量但高3D精度的3D头部模型是训练高质量3D生成模型更可靠的训练数据。基于此思路,我们深入探讨了如何从有限的3D头部数据集中学习一个原生的360°全头部生成模型。具体研究了三个主要问题:1)如何有效利用各种表示方法生成360°可渲染的人体头部;2)如何解耦人脸的外观、形状和运动,以生成一个可通过外观编辑并由运动驱动的3D头部模型;3)以及如何扩展生成模型的泛化能力以支持下游任务。通过全面的实验验证了所提出模型的有效性。我们希望所提出的模型和艺术家设计的数据集能够启发未来从有限3D数据集学习原生3D头部生成模型的研究。
Keyword:
3D head avatar
Native 3D generative model
Disentanglement
3D Generation
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.3
论文数:
1.3K
被引数:
2.6K
机构
引用论文
BP4D-Spontaneous: a high-resolution spontaneous 3D dynamic facial expression databaseBP4D-Spontaneous: 高分辨率自发三维动态面部表情数据库
T. Kirschstein, S. Giebenhain, J. Tang, M. Georgopoulos, M. Nießner, Gghead: Fast and generalizable 3d gaussian heads, in: SIGGRAPH Asia 2024 Conference Papers, 2024, pp. 1–11.T. Kirschstein, S. Giebenhain, J. Tang, M. Georgopoulos, M. Nießner, Gghead: 快速且通用的3D高斯头部,载于:SIGGRAPH Asia 2024 Conference Papers, 2024, 第1–11页。
HyperNeRF: A Higher-Dimensional Representation for Topologically Varying Neural Radiance FieldsHyperNeRF: 拓扑变化的神经辐射场的高维表示

