HGC-Avatar:面向可流式动态三维虚拟形象的分层高斯压缩
计算机视觉与模式识别
2025-10-21 v1
摘要
三维高斯泼溅(3DGS)的最新进展已能够实现动态三维场景的快速逼真渲染,在沉浸式通信中展现出强大潜力。然而,在数字人编码与传输领域,基于通用 3DGS 表示的压缩方法由于缺乏人体先验,在码率效率与解码端重建质量方面均存在不足,阻碍了其在可流式三维虚拟形象系统中的应用。本文提出 HGC-Avatar,一种新颖的分层高斯压缩(Hierarchical Gaussian Compression)框架,专为动态虚拟形象的高效传输与高质量渲染而设计。该方法将高斯表示解耦为结构层与运动层:结构层通过基于 StyleUNet 的生成器将姿态映射为高斯;运动层则利用 SMPL-X 模型以紧凑且语义化的方式表示时序姿态变化。这种分层设计支持逐层压缩、渐进式解码,以及从视频序列或文本等多种姿态输入进行可控渲染。由于人脸真实感最受关注,我们在 StyleUNet 训练中引入了面部注意力机制,以在低码率约束下保持身份与表情细节。实验结果表明,HGC-Avatar 提供了一种可流式的快速三维虚拟形象渲染方案,同时在视觉质量与压缩效率方面均显著优于已有方法。
引用
@article{arxiv.2510.16463,
title = {HGC-Avatar: Hierarchical Gaussian Compression for Streamable Dynamic 3D Avatars},
author = {Haocheng Tang and Ruoke Yan and Xinhui Yin and Qi Zhang and Xinfeng Zhang and Siwei Ma and Wen Gao and Chuanmin Jia},
journal= {arXiv preprint arXiv:2510.16463},
year = {2025}
}
备注
ACM International Conference on Multimedia 2025