GETAvatar：用于可动画化人体化身生成的显式纹理网格
计算机视觉与模式识别
2023-10-05 v1
摘要
我们研究 3D 感知的全身人体生成问题，旨在创建具有高质量纹理与几何的可动画化人体化身。总体而言，该领域仍存两大挑战：i）现有方法难以生成富含真实细节（如衣物褶皱）的几何；ii）它们通常在合成过程中使用体素辐射场与神经渲染器，使得高分辨率渲染并非易事。为克服这些问题，我们提出 GETAvatar，一种直接为可动画化人体化身生成显式纹理 3D 网格（Explicit Textured 3D meshes）的生成模型，具有照片级真实外观与精细几何细节。具体而言，我们首先设计带有显式表面建模的关节化 3D 人体表示，并通过从 3D 扫描数据的 2D 法线图学习来丰富生成人体的真实表面细节。其次，借助显式网格表示，我们可以使用基于光栅化的渲染器进行表面渲染，从而高效实现高分辨率图像生成。大量实验表明，GETAvatar 在 3D 感知人体生成的外观与几何质量上均达到最先进性能。值得注意的是，GETAvatar 能以 17FPS 生成 512x512 分辨率图像，以 14FPS 生成 1024x1024 分辨率图像，较先前方法提升 2 倍。我们的代码与模型将公开。
引用
@article{arxiv.2310.02714,
title = {GETAvatar: Generative Textured Meshes for Animatable Human Avatars},
author = {Xuanmeng Zhang and Jianfeng Zhang and Rohan Chacko and Hongyi Xu and Guoxian Song and Yi Yang and Jiashi Feng},
journal= {arXiv preprint arXiv:2310.02714},
year = {2023}
}
备注
Accepted by ICCV2023. Project Page: https://getavatar.github.io/