用于单目 4D 人脸化身重建的动态神经辐射场

我们提出动态神经辐射场用于建模人脸外观与动态。数字化建模与重建说话的人体是多种应用的关键基础模块。尤其对于 AR 或 VR 中的临场感应用，需要忠实复现包含新视角或头部姿态的外观。与显式建模几何与材质属性或纯基于图像的最先进方法不同，我们引入基于场景表示网络的人头隐式表示。为处理面部动态，我们将场景表示网络与提供姿态和表情显式控制的低维可变形模型相结合。我们使用体渲染从该混合表示生成图像，并证明这种动态神经场景表示可仅从单目输入数据学习，无需专门采集装置。在实验中，我们展示该学习的体表示能生成超越最先进基于视频的重演方法质量的照片级真实图像。