SkinningGS：基于皮肤绑定模型的可编辑动态人类场景重建
图形学
2025-06-30 v1
摘要
从单目视频中重建交互式人类头像和背景极具挑战性。本文采用点云解耦与联合优化策略，实现背景与人类身体的解耦式重建，同时保持人类运动的交互性。我们引入位置纹理，将 Skinned Multi-Person Linear（SMPL）人体模型的表面划分为多个区域，以此生长人类点云。为捕捉人类动态变形的细节，我们引入卷积神经网络结构，基于纹理预测人类身体点云特征。该策略无需密度化参数调优，即可高效地以 HAGS 一半的点云数量表示人类点云。该方法确保高质量的人类重建，减少训练期间的 GPU 资源消耗。结果表明，我们的方法在重建指标上超越了之前的 SOTA 方法 HAGS，同时保持适用于新姿势和新视角的泛化能力。此外，我们的技术实现实时渲染，帧率超过 100 FPS，约为 HAGS 的 6 倍，使用仅来自人类变形的线性混合皮肤（LBS）权重即可完成人类变换。进一步地，本工作证明该框架可扩展至动物场景重建，当动物模型准确定位时。
引用
@article{arxiv.2506.21632,
title = {SkinningGS: Editable Dynamic Human Scene Reconstruction Using Gaussian Splatting Based on a Skinning Model},
author = {Da Li and Donggang Jia and Markus Hadwiger and Ivan Viola},
journal= {arXiv preprint arXiv:2506.21632},
year = {2025}
}