2DGS-Avatar：基于二维高斯泼溅的可驱动高保真穿衣虚拟人

从单目视频中实时渲染高保真且可驱动的虚拟人仍然是计算机视觉和图形学中的一个挑战性问题。在过去几年中，神经辐射场（NeRF）在渲染质量上取得了显著进展，但由于体积渲染效率低下，其在运行时性能上表现不佳。最近，基于3D高斯泼溅（3DGS）的方法在快速训练和实时渲染方面展现出了巨大潜力。然而，它们仍然受到几何不准确导致的伪影的困扰。为了解决这些问题，我们提出了2DGS-Avatar，一种基于2D高斯泼溅（2DGS）的新方法，用于对高保真且具有快速训练性能的可驱动穿衣虚拟人进行建模。给定单目RGB视频作为输入，我们的方法生成一个可由姿态驱动并实时渲染的虚拟人。与基于3DGS的方法相比，我们的2DGS-Avatar保留了快速训练和渲染的优势，同时还能捕捉细致、动态且逼真的外观。我们在AvatarRex和THuman4.0等流行数据集上进行了大量实验，在定性和定量指标上均展示了令人印象深刻的性能。