MeshAvatar：从多视角视频中学习高质量三角人类头像
计算机视觉与模式识别
2024-07-12 v1 图形学
摘要
我们提出了一种新型管道，用于从多视角视频中学习高质量的三角人类头像。最近的头像学习方法通常基于神经辐射场（NeRF），这与传统图形管道不兼容，给诸如编辑或在不同环境下合成等操作带来了很大的挑战。为克服这些限制，我们的方法将头像表示为从隐式 SDF 场中提取的显式三角网格，配合以给定姿态为条件的隐式材料场。凭借这种三角头像表示，我们将物理渲染整合进来，以准确分解几何和纹理。为了增强几何和外观细节，我们进一步采用 2D UNet 作为网络主干，并引入伪法线作为额外的监督。实验表明，我们的方法能够学习具有高质量几何重建和合理材料分解的三角头像，内置支持编辑、操控或重新照明操作。
引用
@article{arxiv.2407.08414,
title = {MeshAvatar: Learning High-quality Triangular Human Avatars from Multi-view Videos},
author = {Yushuo Chen and Zerong Zheng and Zhe Li and Chao Xu and Yebin Liu},
journal= {arXiv preprint arXiv:2407.08414},
year = {2024}
}
备注
Project Page: https://shad0wta9.github.io/meshavatar-page/