基于单目RGB视频的 refined几何引导头部头像重建
图形学
2025-03-31 v1 计算机视觉与模式识别
摘要
从单目视频中重建高保真率的头部头像在虚拟人类应用中具有高度需求，但在计算机图形和计算机视觉领域仍是一个挑战。本文提出了一种包含精细3D网格表示的两阶段头部头像重建网络。与现有方法依赖从3DMM派生的粗糟模板基的3D表示不同，我们的方法旨在学习适合NeRF用于捕获复杂面部细微变化的精细网格表示。在第一个阶段，我们训练存储了3DMM的NeRF，利用几何先验并通过一致的一组潜在代码整合跨帧观察。在第二个阶段，我们利用基于初始NeRF密度场构建的SDF的新颖网格细化程序。为缓解NeRF密度场中典型的噪声而不损害3DMM的特征，我们在位移场上采用拉普拉斯平滑。随后，我们对这些精细网格进行第二个阶段的训练，将网络的学习过程导向捕获精细的面部细节。我们的实验表明，我们的方法进一步增强了基于初始网格的NeRF渲染，并在重建高保真率的头部头像方面优于最先进的方法。
引用
@article{arxiv.2503.21886,
title = {Refined Geometry-guided Head Avatar Reconstruction from Monocular RGB Video},
author = {Pilseo Park and Ze Zhang and Michel Sarkis and Ning Bi and Xiaoming Liu and Yiying Tong},
journal= {arXiv preprint arXiv:2503.21886},
year = {2025}
}