基于稀疏视角视频的可重光照可动画神经化身
计算机视觉与模式识别
2023-08-21 v2 人工智能
图形学
摘要
本文致力于解决从未知光照下动态人物的稀疏视角(甚至单目)视频中创建可重光照且可动画神经化身的挑战。与工作室环境相比,该设定更实用且易获取,但却带来了一个极具挑战的病态问题。已有的神经人体重建方法能够利用形变有符号距离场(SDF)从稀疏视角重建可动画化身,但无法恢复用于重光照的材质参数。尽管基于可微逆渲染的方法已成功用于静态物体的材质恢复,但将其推广到动态人体并不容易,因为在形变SDF上计算像素-表面相交与光照可见性以进行逆渲染的计算量极大。为应对此挑战,我们提出一种分层距离查询(HDQ)算法来近似任意人体姿态下的世界空间距离。具体而言,我们基于参数化人体模型估计粗距离,并利用SDF的局部形变不变性计算精距离。基于HDQ算法,我们利用球体追踪高效估计表面相交与光照可见性。这使我们得以开发首个从稀疏视角(或单目)输入恢复可动画且可重光照神经化身的系统。实验表明,与最先进的方法相比,我们的方法能够产生更优的结果。我们的代码将公开以保证可复现性。
引用
@article{arxiv.2308.07903,
title = {Relightable and Animatable Neural Avatar from Sparse-View Video},
author = {Zhen Xu and Sida Peng and Chen Geng and Linzhan Mou and Zihan Yan and Jiaming Sun and Hujun Bao and Xiaowei Zhou},
journal= {arXiv preprint arXiv:2308.07903},
year = {2023}
}
备注
Project page: https://zju3dv.github.io/relightable_avatar