HumanNeRF：从稀疏输入高效生成人体辐射场
计算机视觉与模式识别
2022-03-28 v3 图形学
摘要
近期的神经人体表示能生成高质量多视角渲染，但需要使用密集多视角输入与昂贵的训练。因此它们很大程度上局限于静态模型，因为逐帧训练不可行。我们提出HumanNeRF——一种可泛化的神经表示——用于动态人体的高保真自由视角合成。类似于IBRNet通过避免逐场景训练来辅助NeRF，HumanNeRF采用跨多视角输入的聚合像素对齐特征，以及嵌入姿态的非刚性形变场来处理动态运动。原始HumanNeRF已能在未见过的主体与相机设置的稀疏视频输入上生成合理的渲染。为进一步提升渲染质量，我们用外观混合模块增强我们的方案，以结合神经体渲染与神经纹理混合两者的优势。在多种多视角动态人体数据集上的大量实验证明了我们的方法在极具挑战的运动下及极稀疏相机视角输入时合成照片级真实自由视角人体的泛化性与有效性。
引用
@article{arxiv.2112.02789,
title = {HumanNeRF: Efficiently Generated Human Radiance Field from Sparse Inputs},
author = {Fuqiang Zhao and Wei Yang and Jiakai Zhang and Pei Lin and Yingliang Zhang and Jingyi Yu and Lan Xu},
journal= {arXiv preprint arXiv:2112.02789},
year = {2022}
}
备注
https://zhaofuq.github.io/humannerf/