HumMorph：来自少量视角的动态人类神经场

我们引入 HumMorph，一种新颖的用于动态人类身体自由视点渲染的方法，支持显式姿态控制。HumMorph 可给定任意指定姿态的人类演员，从少量观察视角（甚至仅一个）进行渲染。该方法依赖于模型中的前向传递，实现快速推断。我们首先构建演员在标准 T 姿态下的粗糙表示，结合来自单个部分观察的视觉特征，并利用学习到的先验知识填充缺失信息。粗糙表示由从观察视角中提取的细粒度像素对齐特征补充，这些特征提供高分辨率的外观信息。我们表明，仅使用单个输入视角时，HumMorph 与最先进的方法相当，但仅凭 2 个单目观察即可实现显著更好的视觉质量。此前，通用方法假设可获得准确的人体形状和姿态参数（通过同步多摄像头 setup 获取）。相反，我们考虑更实际的场景，即这些人体参数从观察视角中以噪声方式估计。我们的实验结果表明，该架构对噪声参数更具鲁棒性，在此设置下显著优于现有技术。