由表情和风格驱动的隐式物理人脸模型

3D 面部动画通常通过操控面部形变模型（或绑定）来生成，这些模型传统上由表情控制参数化。一个通常被忽视的关键组成部分是表情的“风格”，即特定表情的表演方式。尽管定义角色可以执行的表情的语义基础很常见，但大多数角色都以自己的风格执行每种表情。迄今为止，风格通常与表情纠缠在一起，在考虑面部动画时无法将一个角色的风格转移到另一个角色。我们提出了一种新的面部模型，基于数据驱动的隐式神经物理模型，该模型可以分别由表情和风格驱动。核心是，我们提出了一个框架，用于同时学习多个对象的基于隐式物理的驱动，该框架使用来自少量身份的几个任意表演捕捉序列进行训练。一旦训练完成，我们的方法允许为任何训练过的身份生成基于物理的通用面部动画，并可扩展到未见过的表演。此外，它允许控制动画风格，实现从一个角色到另一个角色的风格转移或混合不同角色的风格。最后，作为一个基于物理的模型，它能够合成物理效果，例如碰撞处理，这使我们的方法有别于传统方法。