AvatarArtist：开放域4D化身化
计算机视觉与模式识别
2025-03-27 v2
摘要
本工作聚焦于开放域4D化身化（open-domain 4D avatarization），旨在以任意风格从肖像图像创建4D化身。我们选用参数化三平面（parametric triplanes）作为中间4D表示，并提出一种实用的训练范式，充分利用生成对抗网络（GAN）和扩散模型的优势。我们的设计源于观察：4D GAN 在无监督情况下擅长桥接图像与三平面，但通常面临处理多样数据分布的挑战。稳健的2D扩散先验作为解决方案，帮助GAN在不同领域之间转移其专业知识。这种专家之间的协同作用，使得构建多域图像-三平面数据集成为可能，从而推动了通用4D化身创建器的开发。广泛的实验表明，我们的模型 AvatarArtist 能够生产高质量的4D化身，在各种来源图像域上具有强大的鲁棒性。代码、数据和模型将公开释放，以促进未来研究。
引用
@article{arxiv.2503.19906,
title = {AvatarArtist: Open-Domain 4D Avatarization},
author = {Hongyu Liu and Xuan Wang and Ziyu Wan and Yue Ma and Jingye Chen and Yanbo Fan and Yujun Shen and Yibing Song and Qifeng Chen},
journal= {arXiv preprint arXiv:2503.19906},
year = {2025}
}
备注
Accepted to CVPR 2025. Project page: https://kumapowerliu.github.io/AvatarArtist