i3DMM：人体头部的深度隐式三维可变形模型

我们提出了首个完整头部的深度隐式三维可变形模型（i3DMM）。与早期的可变形人脸模型不同，它不仅捕捉正面面部的身份特定几何、纹理与表情，还对包括头发在内的整个头部进行建模。我们收集了一个由64名具有不同表情和发型的人组成的新数据集来训练 i3DMM。我们的方法具有以下有利特性：（i）它是首个包含头发的完整头部可变形模型。（ii）与基于网格的模型相比，它仅需刚性对齐的扫描数据即可训练，无需困难的非刚性配准。（iii）我们设计了一种新颖的架构，将形状模型解耦为一个隐式参考形状及其形变。由此，形状间的稠密对应可以隐式学习。（iv）该架构使我们能够在语义上解耦几何与颜色分量，因为颜色是在参考空间中学习的。几何进一步解耦为身份、表情和发型，而颜色解耦为身份和发型分量。我们通过消融研究、与最先进（SOTA）模型的比较，以及语义头部编辑和纹理迁移等应用展示了 i3DMM 的优势。我们将公开我们的模型。