MonoPartNeRF：基于分部位神经辐射场的单目视频人体重建
计算机视觉与模式识别
2025-08-13 v1
摘要
近年来，神经辐射场（NeRF）在动态人体重建与渲染方面取得了显著进展。以人体分割为指导的分部位渲染范式，允许根据结构复杂度灵活分配参数，从而提升表示效率。然而，现有方法仍难以应对复杂的姿态变化，常会在部位边界处产生不自然的过渡，且无法在单目设置下准确重建被遮挡区域。我们提出 MonoPartNeRF，一个用于单目动态人体渲染的新颖框架，可确保平滑过渡与稳健的遮挡恢复。首先，我们构建了一个结合刚性变换与非刚性变换的双向变形模型，以在观测空间与规范空间之间建立连续、可逆的映射。采样点被投影到一个参数化的表面-时间空间 (u, v, t) 中，以更好地捕捉非刚性运动。一致性损失进一步抑制了变形引起的伪影与不连续性。我们引入了一种基于部位的姿态嵌入机制，将全局姿态向量根据身体区域分解为局部关节嵌入。该机制与沿三个正交方向的关键帧姿态检索与插值相结合，以引导姿态感知的特征采样。通过注意力机制集成可学习的外观编码，以有效建模动态纹理变化。在 ZJU-MoCap 和 MonoCap 数据集上的实验表明，我们的方法在复杂姿态和遮挡条件下显著优于先前方法，实现了更优的关节对齐、纹理保真度和结构连续性。
引用
@article{arxiv.2508.08798,
title = {MonoPartNeRF:Human Reconstruction from Monocular Video via Part-Based Neural Radiance Fields},
author = {Yao Lu and Jiawei Li and Ming Jiang},
journal= {arXiv preprint arXiv:2508.08798},
year = {2025}
}