FastAnimate: 用于快速3D人类头像动画的可学习模板构建与姿态变形
计算机视觉与模式识别
2025-12-02 v1
摘要
3D人类头像动画旨在通过变形算法将人类头像从任意初始姿态变换到指定目标姿态。现有方法通常将此任务分为两个阶段：规范模板构建和目标姿态变形。然而，当前的模板构建方法需要大量的骨骼绑定，且在特定姿态下常产生伪影。此外，目标姿态变形受线性混合皮肤（Linear Blend Skinning, LBS）引起的结构畸变，显著削弱了动画的真实感。为此，我们提出了一个统一的基于学习的框架，以两个阶段解决上述问题。在前期，为克服模板构建中的效率低下和伪影问题，我们采用U-Net架构，通过前馈过程解耦纹理和姿态信息，实现人类模板的快速生成。在后期，我们提出一种数据驱动的细化技术，以增强结构完整性。大量实验表明，我们的模型在 diverse姿态下均能提供一致的性能，在效率与质量之间实现最佳平衡，超越了最先进（SOTA）方法。
引用
@article{arxiv.2512.01444,
title = {FastAnimate: Towards Learnable Template Construction and Pose Deformation for Fast 3D Human Avatar Animation},
author = {Jian Shu and Nanjie Yao and Gangjian Zhang and Junlong Ren and Yu Feng and Hao Wang},
journal= {arXiv preprint arXiv:2512.01444},
year = {2025}
}
备注
9 pages,4 figures