本文主要是介绍[NeurIPS-23] GOHA: Generalizable One-shot 3D Neural Head Avatar，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
[pdf | proj | code]
- 本文提出一种基于单图的可驱动虚拟人像重建框架。
- 基于3DMM给粗重建、驱动结果，基于神经辐射场给细粒度平滑结果。
方法
- 给定源图片I_s和目标图片I_t，希望生成图片I_o具有源图片ID和目标图片表情位姿。本文提出三个分支：
- 规范分支（canonical branch）：生成具有标准表情和位姿的粗3D人像；
- 外观分支（appearance branch）：捕捉源图像中的外观细节；
- 表情分支（expression branch）：建模并迁移目标图像的表情；
- 整体框架如下：
- 从消融实验上看，规范tri-plane T_c保留了源图片ID，表情tri-plane T_e保留了目标图像表情，外观tri-plane T_p保留了外观细节。
基于规范分支的粗建模
- 编码器E_c（Fine-tune SegFormer）将源图片I_s映射为tri-plane T_c。
- 通过3DMM对源图像建粗模，渲染具有标准表情和姿态的图像I_neu和掩码M_neu；
- 训练目标是3DMM粗模渲染图像I_neu和T_c渲染图像I_c的L1和LPIPS损失，具体如下：
基于外观分支的细节建模
- 通过T_c拿到渲染图像对应的深度图；
- 通过编码器E_p得到源图像的2D特征，每个像素具有32维特征；
- 升维（Lifting）：通过深度图将2D特征反投影至3D；
- 光栅化（Rasterization）：将3D点云转换为tri-plane T_p。对T_p任意平面上的一点，计算其最近的点云，并将该点云特征赋值给平面上一点。
基于表情分支的表情建模
- 基于源图像的3DMM粗模 + 目标图像的表情，渲染得到正面视角图像I_exp。
- 通过编码器E_e，得到表情tri-plane T_e
训练
- 两阶段训练，第一阶段不包括超分模块，使用重建损失训练：
- 第二阶段冻结其他部分，fine-tune超分模块，使用第一阶段损失和对抗损失。
实验
这篇关于[NeurIPS-23] GOHA: Generalizable One-shot 3D Neural Head Avatar的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
