SemanticHuman-HD：高分辨率语义解缠解 3D 人类生成

随着神经辐射场和生成模型的发展，已提出诸多方法用于从 2D 图像生成 3D 人类。这些方法允许控制生成 3D 人类的姿态，并支持来自不同视角的渲染。然而，这些方法均未探索人类图像合成中的语义解缠解，即无法解缠解不同语义部分（如身体、上衣和下装）的生成。此外，现有方法受限于神经辐射场的高计算成本，仅能合成 $512^2$ 分辨率的图像。为此，我们提出 SemanticHuman-HD，是实现语义解缠解人类图像合成的首个方法。值得注意的是，SemanticHuman-HD 也是首个实现 $1024^2$ 分辨率 3D 感知图像合成的方法，得益于我们提出的 3D 感知超分辨模块。通过利用深度图和语义掩码作为 3D 感知超分辨的指导，我们显著减少了体渲染期间的采样点数量，从而降低了计算成本。我们的对比实验证明了我们方法的优越性。每个提出组件的有效性也通过消融研究得到验证。此外，我们的方法为诸多应用开辟了激动人心的可能性，包括 3D 服装生成、语义感知图像合成、可控图像合成以及超域图像合成。