GaussianHead: 基于可学习高斯衍生的高保真头部头像
计算机视觉与模式识别
2025-04-16 v5
摘要
为给定对象构建生动的3D头部头像并实现一系列动画是有价值但具有挑战性的。本文提出了GaussianHead，它使用各向异性3D高斯对动态人体头部进行建模。在我们的框架中，分别构建了运动变形场和多分辨率三平面来处理头部的动态几何和复杂纹理。值得注意的是，我们对每个高斯施加了专属的衍生方案，通过一组可学习的参数进行位置变换，生成其多个分身。通过这种设计，我们可以紧凑而准确地编码高斯的外观信息，即使是拟合具有复杂结构的头部特定组件的高斯也是如此。此外，对新添加的高斯采用了继承衍生策略以加速训练。大量实验表明，我们的方法可以产生高保真渲染，在重建、跨身份重演和新视角合成任务上优于最先进的方法。我们的代码可在 https://github.com/chiehwangs/gaussian-head 获取。
引用
@article{arxiv.2312.01632,
title = {GaussianHead: High-fidelity Head Avatars with Learnable Gaussian Derivation},
author = {Jie Wang and Jiu-Cheng Xie and Xianyan Li and Feng Xu and Chi-Man Pun and Hao Gao},
journal= {arXiv preprint arXiv:2312.01632},
year = {2025}
}
备注
15 pages, 14 figures, published to TVCG