Deblur-Avatar：从运动模糊单目视频中生成可动画人物
计算机视觉与模式识别
2025-06-17 v3
摘要
我们提出了一种新型框架，用于从运动模糊单目视频输入中建模高保真、可动画的 3D 人类头像。运动模糊在实际动态视频捕获中十分常见，尤其是由于人类在 3D 人类头像建模中的运动。现有方法要么假设清晰的图像输入，无法解决因运动模糊导致的细节丢失，要么仅考虑相机运动导致的模糊，忽略了在可动画头像中更常见的人类运动模糊。我们的方法将基于人类运动的运动模糊模型集成到 3D 高斯溅射（3DGS）中。通过显式建模在曝光时间内的人类运动轨迹，我们联合优化轨迹和 3D 高斯，以重建清晰、高质量的人类头像。我们采用基于姿态的融合机制来区分移动的身体区域，有效地优化模糊和清晰区域。广泛的在合成数据集和真实世界数据集上的实验表明，我们的方法在渲染质量和定量指标上显著优于现有方法，产生清晰的头像重建，并能在挑战性的运动模糊条件下实现实时渲染。
引用
@article{arxiv.2501.13335,
title = {Deblur-Avatar: Animatable Avatars from Motion-Blurred Monocular Videos},
author = {Xianrui Luo and Juewen Peng and Zhongang Cai and Lei Yang and Fan Yang and Zhiguo Cao and Guosheng Lin},
journal= {arXiv preprint arXiv:2501.13335},
year = {2025}
}