中文

基于无监督跨域回归的细粒度3D游戏角色重建

计算机视觉与模式识别 2024-12-17 v1 图形学

摘要

随着“元宇宙”的兴起和游戏的快速发展,可靠地再现虚拟世界中的角色日益关键。沉浸式体验是元宇宙的核心主题,而角色的可还原性则是关键要点。同时,游戏作为元宇宙的载体,允许玩家自由编辑游戏角色的面部外观。本文提出一种简单却强大的跨域框架,能够从单视图图像中端到端地重建细粒度3D游戏角色。与之前方法不同,本文提出有效的回归器,以大幅减少真实世界域与游戏域之间的差距。针对无真实值的局限性,我们的无监督框架实现了目标域的知识迁移。此外,本文提出一种创新的对比损失,用于解决实例级差异,保持重建角色中人物特有的细节。相比之下,激活一种辅助的3D身份感知提取器,以使模型结果更为精细。随后,生成一组稳健且精细的物理意义面部参数。实验表明,我们的方法在3D游戏角色重建方面实现了最先进的性能。

关键词

引用

@article{arxiv.2412.10430,
  title  = {Unsupervised Cross-Domain Regression for Fine-grained 3D Game Character Reconstruction},
  author = {Qi Wen and Xiang Wen and Hao Jiang and Siqi Yang and Bingfeng Han and Tianlei Hu and Gang Chen and Shuang Li},
  journal= {arXiv preprint arXiv:2412.10430},
  year   = {2024}
}

备注

12 pages, 10 figures