Multi-NeuS：基于神经隐式函数从单张图像重建三维头部肖像
计算机视觉与模式识别
2023-09-12 v2
摘要
我们提出了一种从一张或少数几张视图重建带纹理的三维人头网格的方法。由于这种少样本重建是欠约束的，它需要传统三维重建算法难以施加的先验知识。在这项工作中，我们依赖于最近引入的三维表示——神经隐式函数——其基于神经网络，能够自然地从数据中学习关于人头的先验，并可直接转换为带纹理的网格。具体而言，我们扩展了最先进的神经隐式函数表述 NeuS，以同时表示一类中的多个对象（在我们的例子中为人头）。底层神经网络架构被设计为学习这些对象之间的共性，并泛化到未见过的对象。我们的模型仅在数百个智能手机视频上训练，不需要任何扫描的三维数据。之后，该模型可以以少样本或单样本模式拟合新的人头，并取得良好结果。
引用
@article{arxiv.2209.04436,
title = {Multi-NeuS: 3D Head Portraits from Single Image with Neural Implicit Functions},
author = {Egor Burkov and Ruslan Rakhimov and Aleksandr Safin and Evgeny Burnaev and Victor Lempitsky},
journal= {arXiv preprint arXiv:2209.04436},
year = {2023}
}