STG-Avatar: 通过时空高斯实现可动画化的人体化身
计算机视觉与模式识别
2025-10-28 v1
摘要
从单目视频生成逼真的可动画化人体化身对于推进人机交互和增强沉浸式虚拟体验至关重要。尽管近期基于3DGS的人体化身研究取得了进展，但在准确表示非刚性物体(如衣物形变)和动态区域(如快速移动的肢体)的细节特征方面仍面临挑战。为解决这些问题，我们提出STG-Avatar，一个基于3DGS的高保真可动画化人体化身重建框架。具体来说，我们的框架引入了一个刚体-非刚体耦合形变框架，将时空高斯(STG)与线性混合蒙皮(LBS)协同集成。在这种混合设计中，LBS通过驱动全局姿态变换实现实时骨骼控制，而STG则通过时空自适应优化3D高斯对其进行补充。此外，我们利用光流识别高动态区域，并指导这些区域中3D高斯的自适应稠密化。实验结果表明，我们的方法在重建质量和运行效率上均持续优于最先进的基线方法，在保持实时渲染能力的同时取得了更优的量化指标。我们的代码可在 https://github.com/jiangguangan/STG-Avatar 获取。
引用
@article{arxiv.2510.22140,
title = {STG-Avatar: Animatable Human Avatars via Spacetime Gaussian},
author = {Guangan Jiang and Tianzi Zhang and Dong Li and Zhenjun Zhao and Haoang Li and Mingrui Li and Hongyu Wang},
journal= {arXiv preprint arXiv:2510.22140},
year = {2025}
}
备注
Accepted by the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025