生成式神经关节化辐射场
计算机视觉与模式识别
2023-01-10 v3 图形学
摘要
仅使用单视角 2D 照片集合的无监督 3D 感知生成对抗网络(GANs)学习近来取得了很大进展。然而,这些 3D GAN 尚未在人体上得到验证,且现有框架生成的辐射场不可直接编辑,限制了其在下游任务中的适用性。我们提出一种应对这些挑战的方案,通过开发一种 3D GAN 框架,该框架学习以规范姿态生成人体或面部的辐射场,并使用显式形变场将其扭曲为期望的身体姿态或面部表情。利用我们的框架,我们展示了首个高质量的人体辐射场生成结果。此外,我们表明,与未使用显式形变训练的 3D GAN 相比,我们的形变感知训练流程在编辑其姿态或面部表情时显著提升了生成人体或面部的质量。
引用
@article{arxiv.2206.14314,
title = {Generative Neural Articulated Radiance Fields},
author = {Alexander W. Bergman and Petr Kellnhofer and Wang Yifan and Eric R. Chan and David B. Lindell and Gordon Wetzstein},
journal= {arXiv preprint arXiv:2206.14314},
year = {2023}
}
备注
Project website: http://www.computationalimaging.org/publications/gnarf/