HVH：面向动态毛发表演捕捉的混合神经体表示学习
计算机视觉与模式识别
2021-12-21 v3 图形学
摘要
捕捉并渲染栩栩如生的毛发尤其具有挑战性，因其精细的几何结构、复杂的物理相互作用以及非平凡的视觉外观。然而，毛发是可信化身的关键组成部分。在本文中，我们解决上述诸问题：1) 我们使用一种新颖的、由数千个图元组成的体素毛发表示。通过依托神经渲染的最新进展，每个图元均可被高效且逼真地渲染。2) 为获得可靠的控制信号，我们提出了一种在发丝层级追踪毛发的新方法。为保持计算量可控，我们使用引导发丝及经典技术将其扩展为密集的毛发罩。3) 为更好地强化我们模型的时间一致性与泛化能力，我们利用多视角光流通过体素光线步进进一步优化表示的 3D 场景流。我们的方法不仅能对记录的多视角序列创建逼真渲染，还能通过提供新控制信号为新毛发配置生成渲染。我们将方法与现有工作在视角合成与可驱动动画方面进行比较，取得了 SOTA（state-of-the-art，最优）结果。请访问我们的项目网站 https://ziyanw1.github.io/hvh/。
引用
@article{arxiv.2112.06904,
title = {HVH: Learning a Hybrid Neural Volumetric Representation for Dynamic Hair Performance Capture},
author = {Ziyan Wang and Giljoo Nam and Tuur Stuyck and Stephen Lombardi and Michael Zollhoefer and Jessica Hodgins and Christoph Lassner},
journal= {arXiv preprint arXiv:2112.06904},
year = {2021}
}