参数化高斯人类模型：高效且逼真的人类头像建模通用先验
计算机视觉与模式识别
2025-06-10 v1
摘要
照片级逼真且可动画的人类头像是虚拟/增强现实、远距离会话和数字娱乐的关键使能技术。尽管近期在3D高斯溶解（3DGS）方面取得进展大幅提升了渲染质量和效率，但现有方法仍面临根本性挑战，包括耗时的逐主体优化和稀疏单目输入下的泛化性差。本文提出参数化高斯人类模型（PGHM），一个通用且高效的框架，将人类先验整合到3DGS中，实现从单目视频中快速高保真的头像重建。PGHM引入两个核心组件：（1）面向UV对齐的潜在身份图，将主体特定的几何和外观紧凑编码为可学习特征张量；（2）解缉的多头U-Net，通过条件解码器分解静态、姿态依赖和视点依赖成分来预测高斯属性。该设计在挑战性姿态和视点下能够实现稳健的渲染质量，同时允许在无需多视角捕获或长时间优化的情况下高效地进行主体适应。实验表明，PGHM比从头开始的优化方法在效率上显著更高，仅需约20分钟即可为每个主体生成质量相当的头像，展现了其在实际应用中处理单目头像创建的实用性。
引用
@article{arxiv.2506.06645,
title = {Parametric Gaussian Human Model: Generalizable Prior for Efficient and Realistic Human Avatar Modeling},
author = {Cheng Peng and Jingxiang Sun and Yushuo Chen and Zhaoqi Su and Zhuo Su and Yebin Liu},
journal= {arXiv preprint arXiv:2506.06645},
year = {2025}
}
备注
Project Page: https://pengc02.github.io/pghm/