DINAR：用于一次性人体化身的神经纹理扩散修复
计算机视觉与模式识别
2023-12-12 v4
摘要
我们提出 DINAR，一种从单张 RGB 图像创建逼真绑定全身化身的方法。与先前工作类似，我们的方法使用神经纹理结合 SMPL-X 身体模型，在保持易动画与快速推理的同时实现化身的照片级真实质量。为修复纹理，我们使用潜在扩散模型，并展示此类模型如何在神经纹理空间中训练。扩散模型的使用使我们能在给定正面视图的情况下，真实重建如人体背部等大面积未见区域。我们流水线中的模型仅使用 2D 图像与视频训练。在实验中，我们的方法实现了最先进的渲染质量以及对新姿态和新视点的良好泛化。特别地，该方法在 SnapshotPeople 公开基准上改进了最先进水平。
引用
@article{arxiv.2303.09375,
title = {DINAR: Diffusion Inpainting of Neural Textures for One-Shot Human Avatars},
author = {David Svitov and Dmitrii Gudkov and Renat Bashirov and Victor Lempitsky},
journal= {arXiv preprint arXiv:2303.09375},
year = {2023}
}