运动感知的可动画高斯人像去模糊
计算机视觉与模式识别
2026-03-06 v3
摘要
从多视图视频中创建 3D 人类头像是计算机视觉中的一个重要但具有挑战性的任务。然而，现有技术依赖于高质量、锐利的图像作为输入，而这些图像在现实场景下往往难以获得，因为人体运动速度和强度会导致图像模糊。本文提出了一种从模糊视频中直接重建锐利 3D 人类高斯头像的新方法。该方法融合了由人体运动引起的模糊形成的 3D 感知、基于物理的模糊模型，以及设计用于解决运动引起模糊歧义的 3D 人体运动模型。该框架使我们能够从粗略初始化开始联合优化头像表示和运动参数。建立了包含合成数据集和实验室数据集的全面基准测试后者使用 360 度同步混合曝光摄像系统捕获。广泛的评估表明，该模型在多种条件下均表现有效。代码已公开：https://github.com/MyNiuuu/MAD-Avatar。
引用
@article{arxiv.2411.16758,
title = {Motion-Aware Animatable Gaussian Avatars Deblurring},
author = {Muyao Niu and Yifan Zhan and Qingtian Zhu and Zhuoxiao Li and Wei Wang and Zhihang Zhong and Xiao Sun and Yinqiang Zheng},
journal= {arXiv preprint arXiv:2411.16758},
year = {2026}
}
备注
Accepted at CVPR 2026, Codes: https://github.com/MyNiuuu/MAD-Avatar