LUCAS：分层通用编码头像
计算机视觉与模式识别
2025-03-19 v2
摘要
photorealistic 3D 头像重建在建模动态面发 interactions 和实现跨身份泛化方面面临关键挑战，尤其是在表情和头部运动期间。我们提出了 LUCAS，一种用于 codec 头像建模的新型通用先验模型 (UPM)，通过分层表示实现面发和头发的解耦。与以往的 UPM不同，我们的方法将面发和头发的建模分离到 distinct branches 中。LUCAS 是首次引入基于网格的 UPM，能够在设备上实现实时渲染。我们的分层表示还 improved the anchor geometry for precise and visually appealing Gaussian 渲染。实验结果表明，LUCAS 在定量和定性评估中均优于现有的单网格和基于高斯的头像模型，包括在零样本驱动场景中对 held-out subjects 的评估。LUCAS 在管理头部姿态变化、表情迁移和发型变化方面表现出色，从而推动了 3D 头像重建领域的技术进步。
引用
@article{arxiv.2502.19739,
title = {LUCAS: Layered Universal Codec Avatars},
author = {Di Liu and Teng Deng and Giljoo Nam and Yu Rong and Stanislav Pidhorskyi and Junxuan Li and Jason Saragih and Dimitris N. Metaxas and Chen Cao},
journal= {arXiv preprint arXiv:2502.19739},
year = {2025}
}