NASA Neural articulated shape approximation
2020
JIFF:jointly-aligned implicit face function for high quality single view clothed human reconstruction
1
2022
... 基于隐式表示的方法对现实生活中的遮挡问题有具体的解决方案,这对隐函数的推理能力提出更高的要求.而且对于形状的隐式表示受限于缺乏网格拓扑、骨架和蒙皮权重等结构信息而无法展现新的姿势,只能从固定视点去控制着装化 身的身体形状.对此MVP-Human[67 ] 借助3D扫描等技术获取三维信息;BANMo结合神经蒙皮模型,利用显式3D高斯椭球体随骨骼移动以调整权重,从而展现大范围的铰接变换;并且结合NeRF进 行多视图合成,展现新的视角.而NASA[6 8] 则提出一种以姿势为条件的隐式占用函数替代多边形人体网格,用于表示铰接可变形 的人体对象.针对单视图人脸重建,JIFF[69 ] 采用了3DMM提供的形状先验,结合空间对齐的三维特征和像素对齐的二维特征,共同预测隐式人脸函数,以改善隐函数在人脸重建应用中的质量. ...
Combining implicit function learning and parametric models for 3D human reconstruction
1
2020
... 网格-隐函数混合.隐式3D表示具有很强的表现力,结合可学习的参数化模型如SMPL能更好地捕捉和还原着装人体的形状和外观.参考文献[70 ]联合学习两个隐函数用于预估着装人体及身体部位标签,将隐函数和参数化模型建立联系.其中被衣物覆盖的身体内表面由SMPL模拟,受预测的身体部位信息约束;应用SMPL+D将内表面注册到外表面,优化每个顶点的偏移D以拟合外部的隐式表示.所设计的隐函数特点在于将点的位置扩展到身体内部、身体与衣物间、身体外部3类. ...
SCANimate:weakly supervised learning of skinned clothed avatar networks
2
2021
... SCANimate[71 ] 能够对着装的人进行3D扫描并转换成参数驱动的虚拟人.其利用SMPL获得参数化人体三维模型,结合弱监督模型进行姿态修正,设计一个局部位姿感知隐函数表示该人体模型,并模拟衣物在运动中的形变,据此生成新姿态.试验证明SMPL提供的人体结构信息有利于改善隐式表示的性能,提高人体姿态的泛化能力.美中不足的是SCANimate的模型表示适用于与身体拓扑相似的贴身衣物,不适用那些较为宽松的衣物,而且构建的模型是确定性的,也就是同一个姿势对应同样的衣物褶皱程度,因此对衣物 的形变预测不能涵盖所有的随机性. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
ICON:implicit clothed humans obtained from normals
3
2022
... ICON[72 ] 则将SMPL-X模型与自设计的法线预测网络进行循环优化,推断出的着装人体法线贴图用于回归着装人体的隐式3D表面,其中使用了不受全局姿势变换影响的局部特征来执行隐式3D重建任务.ICON可以从单张图片中恢复3D着装人体形象,并且能够应用于自然场景下的虚拟形象构建,还能结合SCANimate生成动态的人类化身.由于ICON基于正交视图训练,也就是由2D投影图描述3D属性,透视效果不够理想,容易产生不协调的肢体. ...
... 结合多项工作,可以看出SMPL参数化模型支持多种人体运动的可控形变,而NeRF作为一种先进的场景表示方法,可有效预测空间点的颜色和体积密度,提供多视图合成.因此SMPL结合NeRF能够提供人体模型的形状和衣物的控制[72 -73 ] .其中参考文献[74 ]提出表面定向神经辐射场用于合成可控的人类形象,可以基于少量的多视角视频和SMPL模型的先验知识重建一个3D人体模型. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Structured local radiance fields for human avatar modeling
1
2022
... 结合多项工作,可以看出SMPL参数化模型支持多种人体运动的可控形变,而NeRF作为一种先进的场景表示方法,可有效预测空间点的颜色和体积密度,提供多视图合成.因此SMPL结合NeRF能够提供人体模型的形状和衣物的控制[72 -73 ] .其中参考文献[74 ]提出表面定向神经辐射场用于合成可控的人类形象,可以基于少量的多视角视频和SMPL模型的先验知识重建一个3D人体模型. ...
Surface-aligned neural radiance fields for controllable 3D human synthesis
11
2022
... 结合多项工作,可以看出SMPL参数化模型支持多种人体运动的可控形变,而NeRF作为一种先进的场景表示方法,可有效预测空间点的颜色和体积密度,提供多视图合成.因此SMPL结合NeRF能够提供人体模型的形状和衣物的控制[72 -73 ] .其中参考文献[74 ]提出表面定向神经辐射场用于合成可控的人类形象,可以基于少量的多视角视频和SMPL模型的先验知识重建一个3D人体模型. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
74 ]
Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Liquid warping GAN:a unified framework for human motion imitation,appearance transfer and novel view synthesis
3
2020
... 网格-图像混合.人体参数化模型能充分表示人体关节运动,而结合其他更先进的纹理合成方法能弥补其对衣物、毛发的建模.GAN的应用可以生成高分辨率的结果,其中包括了高质量的纹理[75 -76 ] .StylePeople[76 ] 提出一个神经穿着模型,核心是利用styleGAN2学习输入图像的神经纹理,叠加在SMPL-X生成的赤裸人体模型上,得到高质量的着装虚拟形象.StylePeople利用全卷积网络生成身体部位坐标和身体部分分配的堆栈,对身体纹理进行采样映射,结合堆栈指定的权重生成RGB图像.StylePeople将styleGAN2从人脸重建推广至人体的全身形象构建,所习得的神经纹理可有效模拟头发和衣服,弥补了SMPL模型的不足.与基于图像的方法一样,建模的效果依赖大量训练数据,对模型的数据利用率要求高. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
StylePeople:a generative model of fullbody human avatars
16
2021
... 网格-图像混合.人体参数化模型能充分表示人体关节运动,而结合其他更先进的纹理合成方法能弥补其对衣物、毛发的建模.GAN的应用可以生成高分辨率的结果,其中包括了高质量的纹理[75 -76 ] .StylePeople[76 ] 提出一个神经穿着模型,核心是利用styleGAN2学习输入图像的神经纹理,叠加在SMPL-X生成的赤裸人体模型上,得到高质量的着装虚拟形象.StylePeople利用全卷积网络生成身体部位坐标和身体部分分配的堆栈,对身体纹理进行采样映射,结合堆栈指定的权重生成RGB图像.StylePeople将styleGAN2从人脸重建推广至人体的全身形象构建,所习得的神经纹理可有效模拟头发和衣服,弥补了SMPL模型的不足.与基于图像的方法一样,建模的效果依赖大量训练数据,对模型的数据利用率要求高. ...
... [76 ]提出一个神经穿着模型,核心是利用styleGAN2学习输入图像的神经纹理,叠加在SMPL-X生成的赤裸人体模型上,得到高质量的着装虚拟形象.StylePeople利用全卷积网络生成身体部位坐标和身体部分分配的堆栈,对身体纹理进行采样映射,结合堆栈指定的权重生成RGB图像.StylePeople将styleGAN2从人脸重建推广至人体的全身形象构建,所习得的神经纹理可有效模拟头发和衣服,弥补了SMPL模型的不足.与基于图像的方法一样,建模的效果依赖大量训练数据,对模型的数据利用率要求高. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
- LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
- 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
76 ]
- 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Pixel-aligned volumetric avatars
2
2021
... 体素-隐函数混合.基于体素的方法能够展现多个角度的视觉效果,而隐式表示方法内存效率高,能有效提高基于体素方法生成结果的分辨率.像素对齐立体虚拟人(pixel-aligned v olumetric avatars,PVA)[77 ] 结合体绘制和神经辐射场进行图片渲染,其中采用了PIFu提出的像素对齐特征保留高频细节,并用于调节多身份神经辐射场的参数,采用MLP将空间位置和像素对齐的特征转换为颜色和占有率来规避体素化带来的内存限制问题.PVA能根据少量的样本数据生成高保真的虚拟形象,然而不具有捕捉光照条件和背景变化的能力,意味着其不能应用于自然场景下的图片. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Dynamic neural radiance fields for monocular 4D facial avatar reconstruction
14
2021
... 参考文献[78 ]基于神经辐射场采用隐函数表示面部和头发的几何外观,结合体积渲染恢复头发的体积感,实现头部的动态变化.对比传统的基于体素的体积渲染方法,结合神经场景表示网络的体绘制表示更紧凑,所渲染的图片分辨率得到进一步提高.而该实验只是止步于动态的头部形象生成,没有拓展到对全身的动态表示,该项拓展会带来更复杂的体积模型和光照计算. ...
... 数据集信息
数据集 时间 实验数据规模 类型 信息维度 People Snapshot[87 ] 2018年 24个视频序列,11个人 视频 2D 短多目RGB视频序列[78 ] 2021年 2分钟6 000帧,分辨率为512×512 视频 2D ZJU-MoCap[82 ] 2021年 9个动态人类视频 视频 3D Market-1501[83 ] 2015年 32 668张,1 501人 图片 2D Human[85 ] 2021年 立体模型 模型 3D
3.2 评价指标 本节介绍常见的用于量化虚拟人模型性能的精度指标,指标的选取因模型训练方法而异. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
78 ]
ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
PaMIR:parametric model-conditioned implicit representation for imagebased human reconstruction
2
2022
... 网格-体素-隐函数.同时采集输入数据的二维特征和三维特征,有效提高数据的利用率.该类混合解决方案充分利用了人体网格的规范及隐函数强大的表现力和高效内存,并且能够实现多视角效果.PaMIR[79 ] 采用非参数化的深度隐式场表示表面,用SMPL提供的参数化模型规范人体,收集像素级和体素级特征,绑定每个3D点对应的隐函数的值.DeepMultiCap[80 ] 将隐函数与姿势和体素化网格结合,从图像 像素级恢复局部细节,提高姿势变化的健壮性.S3[81 ] 将输入的点云数据体素化为一个体素网格,用于表示体积特征;结合2D图像特征提取将行人的形状、姿势、蒙皮权重表示为直接从数据中学习的神经隐函数,构建动态的人体模型. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
DeepMultiCap:performance capture of multiple characters using sparse multiview cameras
1
2022
... 网格-体素-隐函数.同时采集输入数据的二维特征和三维特征,有效提高数据的利用率.该类混合解决方案充分利用了人体网格的规范及隐函数强大的表现力和高效内存,并且能够实现多视角效果.PaMIR[79 ] 采用非参数化的深度隐式场表示表面,用SMPL提供的参数化模型规范人体,收集像素级和体素级特征,绑定每个3D点对应的隐函数的值.DeepMultiCap[80 ] 将隐函数与姿势和体素化网格结合,从图像 像素级恢复局部细节,提高姿势变化的健壮性.S3[81 ] 将输入的点云数据体素化为一个体素网格,用于表示体积特征;结合2D图像特征提取将行人的形状、姿势、蒙皮权重表示为直接从数据中学习的神经隐函数,构建动态的人体模型. ...
S3:neural shape,skeleton,and skinning fields for 3D human modeling
3
2021
... 网格-体素-隐函数.同时采集输入数据的二维特征和三维特征,有效提高数据的利用率.该类混合解决方案充分利用了人体网格的规范及隐函数强大的表现力和高效内存,并且能够实现多视角效果.PaMIR[79 ] 采用非参数化的深度隐式场表示表面,用SMPL提供的参数化模型规范人体,收集像素级和体素级特征,绑定每个3D点对应的隐函数的值.DeepMultiCap[80 ] 将隐函数与姿势和体素化网格结合,从图像 像素级恢复局部细节,提高姿势变化的健壮性.S3[81 ] 将输入的点云数据体素化为一个体素网格,用于表示体积特征;结合2D图像特征提取将行人的形状、姿势、蒙皮权重表示为直接从数据中学习的神经隐函数,构建动态的人体模型. ...
... 二维图像集通常用于提供二维信息,也可以结合深度图通过多角度展示三维信息.除深度图外,三维数据类型还包括多边形网格、点云数据,其中点云适用于表示稀疏结构,可以转 换为标准的三维多边形网格.Neural body[82 ] 创建了一个多视角视频数据集ZJU-Mocap用于评价模型基于稀疏数据集合成新视角结果的表现,总共包含了9个动态人类视频,由21个同步相机多视角摄制,其中的人类展示了太极、热身、拳击等复杂 动作,该数据集广泛应用于多视角合成的质量评估.S3[81 ] 利用了2D图像集和雷达扫描的3D点云数据,数据输入形式包含单张图片和单个体素化雷达扫描数据. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Neural body:implicit neural representations with structured latent codes for novel view synthesis of dynamic humans
4
2021
... 二维图像集通常用于提供二维信息,也可以结合深度图通过多角度展示三维信息.除深度图外,三维数据类型还包括多边形网格、点云数据,其中点云适用于表示稀疏结构,可以转 换为标准的三维多边形网格.Neural body[82 ] 创建了一个多视角视频数据集ZJU-Mocap用于评价模型基于稀疏数据集合成新视角结果的表现,总共包含了9个动态人类视频,由21个同步相机多视角摄制,其中的人类展示了太极、热身、拳击等复杂 动作,该数据集广泛应用于多视角合成的质量评估.S3[81 ] 利用了2D图像集和雷达扫描的3D点云数据,数据输入形式包含单张图片和单个体素化雷达扫描数据. ...
... 数据集信息
数据集 时间 实验数据规模 类型 信息维度 People Snapshot[87 ] 2018年 24个视频序列,11个人 视频 2D 短多目RGB视频序列[78 ] 2021年 2分钟6 000帧,分辨率为512×512 视频 2D ZJU-MoCap[82 ] 2021年 9个动态人类视频 视频 3D Market-1501[83 ] 2015年 32 668张,1 501人 图片 2D Human[85 ] 2021年 立体模型 模型 3D
3.2 评价指标 本节介绍常见的用于量化虚拟人模型性能的精度指标,指标的选取因模型训练方法而异. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
82 ]
网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Scalable person re-identification:a benchmark
3
2016
... 面向关注姿势的虚拟人合成技术, Market-1501[83 ] 是行人重识别常用的数据集,包含了1 501个行人的32 643个注释数据图像,每个身份最多由6个相机捕捉.Human3.6M[84 ] 是数据量级更大的3D人类姿势数据集,有由4个相机摄制的多视角视频,使用基于标记的动作捕捉系统,其中包含由5名女性和6名男性展示的复杂动作. ...
... 数据集信息
数据集 时间 实验数据规模 类型 信息维度 People Snapshot[87 ] 2018年 24个视频序列,11个人 视频 2D 短多目RGB视频序列[78 ] 2021年 2分钟6 000帧,分辨率为512×512 视频 2D ZJU-MoCap[82 ] 2021年 9个动态人类视频 视频 3D Market-1501[83 ] 2015年 32 668张,1 501人 图片 2D Human[85 ] 2021年 立体模型 模型 3D
3.2 评价指标 本节介绍常见的用于量化虚拟人模型性能的精度指标,指标的选取因模型训练方法而异. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Human3.6M:large scale datasets and predictive methods for 3D human sensing in natural environments
1
2014
... 面向关注姿势的虚拟人合成技术, Market-1501[83 ] 是行人重识别常用的数据集,包含了1 501个行人的32 643个注释数据图像,每个身份最多由6个相机捕捉.Human3.6M[84 ] 是数据量级更大的3D人类姿势数据集,有由4个相机摄制的多视角视频,使用基于标记的动作捕捉系统,其中包含由5名女性和6名男性展示的复杂动作. ...
STATE:learning structure and texture representations for novel view synthesis
10
2022
... 除了常规形式的数据输入外 ,3D人体模型也可以作为虚拟人合成模型的输入.STATE[85 ] 根据实验需要合成Human图像数据集,数据来源于twindom提供的真实扫描3D人类模型,每个模型由49 6张多视角的图片渲 染而成.近几年的虚拟人数据集还有CAPE[33 ] 和AGORA[86 ] .CAPE是第一个将直接打扮的3D人体网格推广到多姿势,从3D扫描中生成以姿势和衣物为条件的人体模型.AGORA通过扩展SMPL-X身体模型安装到3D扫描中,创建3D姿势和身体形状,具有多种姿势和服装的人体扫描数据. ...
... 数据集信息
数据集 时间 实验数据规模 类型 信息维度 People Snapshot[87 ] 2018年 24个视频序列,11个人 视频 2D 短多目RGB视频序列[78 ] 2021年 2分钟6 000帧,分辨率为512×512 视频 2D ZJU-MoCap[82 ] 2021年 9个动态人类视频 视频 3D Market-1501[83 ] 2015年 32 668张,1 501人 图片 2D Human[85 ] 2021年 立体模型 模型 3D
3.2 评价指标 本节介绍常见的用于量化虚拟人模型性能的精度指标,指标的选取因模型训练方法而异. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
- - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
- - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
85 ]
- - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
AGORA:avatars in geography optimized for regression analysis
1
2021
... 除了常规形式的数据输入外 ,3D人体模型也可以作为虚拟人合成模型的输入.STATE[85 ] 根据实验需要合成Human图像数据集,数据来源于twindom提供的真实扫描3D人类模型,每个模型由49 6张多视角的图片渲 染而成.近几年的虚拟人数据集还有CAPE[33 ] 和AGORA[86 ] .CAPE是第一个将直接打扮的3D人体网格推广到多姿势,从3D扫描中生成以姿势和衣物为条件的人体模型.AGORA通过扩展SMPL-X身体模型安装到3D扫描中,创建3D姿势和身体形状,具有多种姿势和服装的人体扫描数据. ...
Video based reconstruction of 3D people models
2
2018
... 数据集信息
数据集 时间 实验数据规模 类型 信息维度 People Snapshot[87 ] 2018年 24个视频序列,11个人 视频 2D 短多目RGB视频序列[78 ] 2021年 2分钟6 000帧,分辨率为512×512 视频 2D ZJU-MoCap[82 ] 2021年 9个动态人类视频 视频 3D Market-1501[83 ] 2015年 32 668张,1 501人 图片 2D Human[85 ] 2021年 立体模型 模型 3D
3.2 评价指标 本节介绍常见的用于量化虚拟人模型性能的精度指标,指标的选取因模型训练方法而异. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
The unreasonable effectiveness of deep features as a perceptual metric
1
2018
... ● LPIPS:学习感知图像块相似度指标,也被称为“感知损失”,能系统地评估不同结构和任务的深层特征,适用于多种不同的结构和监督级别.给定真实图像x和重建图像x0 ,感知相似度[88 ] 如式(5)所示: ...
How to implement the frechet inception distance (FID) for evaluating GANs
1
2019
... ● FID:计算真实样本、生成样本在特征空间之间的距离,常见于GAN模型的测量,比较不同生成器结构产生的图像的质量.FID分数计算的是真实图像分布和生成器结果分布之间的差异 [89 ] ,如式(6)所示: ...
PSNR vs SSIM:imperceptibility quality assessment for image steganography
3
2021
... ● SSIM:用于衡量两个图片间的结构相似性,从图像组成角度定义图像信息[90 ] .该指标分析量化图像的亮度、对比度以及结构.用均值估计亮度,用标准差估计对比度,用协方差估计结构相似程度.结构相似性的范围为-1~1,因此SSIM的值越高越好,当两个图片完全一样时,SSIM的值为1. ...
... ● MSE:均方误差(mean square error,MSE),也称为L2-Loss,给定参考图像f和测试图像g,给定灰度图像,假设参考图像f和测试图像g大小为M×N,MSE定义如式(12)所示[90 ] : ...
... ● PSNR:峰值信噪比(peak signal-tonoise ratio,PSNR),常见于图像和信号处理的测量实验中,通过计算图像均方误差的对数得出[90 ] .给定灰度图像,假设参考图像f和测试图像g,大小为M×N,f的最大像素值为MAXf ,f和g之间的PSNR定义如式(13)所示: ...
2020年虚拟数字人发展白皮书
1
2020
... 虚拟人形象分为2D形象和3D形象,两者区别在于视角和制作技术[1 ] .2D虚拟人体通常从单一视角去观察,其在制作过程中已经固定了某一个视角,用户不可更换;3D虚拟人则支持以多个视角去观察,制作过程需要收集多视角数据,并计算推理出不同视角对应的图像.3D形象的制作技术与2D形象的区别在于其必须先生成对应的三维立体模型, 3D虚拟人形象的合成技术可以被视作三维重建的一个重要的子模块[2 ] .本文主要对3D虚拟人形象的合成技术进行综述. ...
2020年虚拟数字人发展白皮书
1
2020
... 虚拟人形象分为2D形象和3D形象,两者区别在于视角和制作技术[1 ] .2D虚拟人体通常从单一视角去观察,其在制作过程中已经固定了某一个视角,用户不可更换;3D虚拟人则支持以多个视角去观察,制作过程需要收集多视角数据,并计算推理出不同视角对应的图像.3D形象的制作技术与2D形象的区别在于其必须先生成对应的三维立体模型, 3D虚拟人形象的合成技术可以被视作三维重建的一个重要的子模块[2 ] .本文主要对3D虚拟人形象的合成技术进行综述. ...
360-degree textures of people in clothing from a single image
1
2019
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
First order motion model for image animation
1
2019
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Single image 3D object reconstruction based on deep learning:a review
1
2021
... 虚拟人形象分为2D形象和3D形象,两者区别在于视角和制作技术[1 ] .2D虚拟人体通常从单一视角去观察,其在制作过程中已经固定了某一个视角,用户不可更换;3D虚拟人则支持以多个视角去观察,制作过程需要收集多视角数据,并计算推理出不同视角对应的图像.3D形象的制作技术与2D形象的区别在于其必须先生成对应的三维立体模型, 3D虚拟人形象的合成技术可以被视作三维重建的一个重要的子模块[2 ] .本文主要对3D虚拟人形象的合成技术进行综述. ...
Deep person generation:a survey from the perspective of face,pose and cloth synthesis
11
2021
... 现有与虚拟人相关的综述中,参考文献[3 ]从应用层面出发将虚拟人构建技术分为人脸生成、姿势引导和面向衣物3类,分析3个方面的技术特点,并给出应用前景.参考文献[4 ]从技术层面出发,以深度学习为技术背景,将人体三维重建技术分为基于学习和基于优化两大类讨论,突出深度学习对比传统方法的高效,并分析了技术前景.本文将3D虚拟人合成技术视作三维重建的延伸,从技术路线出发,基于三维重建常用的数据表示方法,结合虚拟人重建对保真度的高要求和人体运动特点,将虚拟人合成技术分为基于网格、基于图像、基于体素、基于隐式表示、混合表示5类,讨论各类合成方法的技术特点和挑战,讨论现有的解决思路. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
- DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
- 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
- PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
- 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
- PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
3 ]
- Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
First order motion model for image animation
2020
Deep video portraits
1
2018
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
HumanNeRF:efficiently generated human radiance field from sparse inputs
2
2022
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
94 ]
0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Towards efficient and photorealistic 3D human reconstruction:a brief survey
1
2021
... 现有与虚拟人相关的综述中,参考文献[3 ]从应用层面出发将虚拟人构建技术分为人脸生成、姿势引导和面向衣物3类,分析3个方面的技术特点,并给出应用前景.参考文献[4 ]从技术层面出发,以深度学习为技术背景,将人体三维重建技术分为基于学习和基于优化两大类讨论,突出深度学习对比传统方法的高效,并分析了技术前景.本文将3D虚拟人合成技术视作三维重建的延伸,从技术路线出发,基于三维重建常用的数据表示方法,结合虚拟人重建对保真度的高要求和人体运动特点,将虚拟人合成技术分为基于网格、基于图像、基于体素、基于隐式表示、混合表示5类,讨论各类合成方法的技术特点和挑战,讨论现有的解决思路. ...
Textures
1
2022
... 纹理的概念可以囊括为肉眼可见的物体表面细节,如颜色、粗糙程度、凹凸度等.在图像处理领域中,图像纹理用于量化图像的感知特征,提供有关图像或图像选定区域中颜色或强度的空间排列信息.纹理由表示纹理空间的纹素数组表示,纹素是纹理映射的基本单位.纹理映射是将纹理数据与模型关联的过程,一个经典的纹理映射方法是使用二维数组存储三维物体的纹理信息,三维空间的顶点除了空间坐标还引入u、v坐标以映射到纹理空间生成UV纹理贴图,将纹理空间信息与3D模型建立起联系[5 -6 ] .凹凸贴图是在纹理贴图基础上,利用高度差信息展示凹凸纹理细节的方法.同理,UV凹凸纹理贴图需要映射到三维空间才能生成完整的网格模型. ...
A variational U-net for conditional appearance and shape generation
1
2018
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Deep image spatial transformation for person image generation
2
2020
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... [
96 ]
- 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - - 10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
3D human mesh regression with dense correspondence
1
2020
... 纹理的概念可以囊括为肉眼可见的物体表面细节,如颜色、粗糙程度、凹凸度等.在图像处理领域中,图像纹理用于量化图像的感知特征,提供有关图像或图像选定区域中颜色或强度的空间排列信息.纹理由表示纹理空间的纹素数组表示,纹素是纹理映射的基本单位.纹理映射是将纹理数据与模型关联的过程,一个经典的纹理映射方法是使用二维数组存储三维物体的纹理信息,三维空间的顶点除了空间坐标还引入u、v坐标以映射到纹理空间生成UV纹理贴图,将纹理空间信息与3D模型建立起联系[5 -6 ] .凹凸贴图是在纹理贴图基础上,利用高度差信息展示凹凸纹理细节的方法.同理,UV凹凸纹理贴图需要映射到三维空间才能生成完整的网格模型. ...
Texture synthesis using convolutional neural networks
1
2015
... 神经纹理是纹理的一种表示,是指以基于卷积神经网络特征空间进行自然纹理的处理[7 -8 ] .得益于神经网络,神经纹理能够存储可学习的高维特征图,可以作为场景捕获过程的一部分进行训练的学习特征图[9 ] .与传统纹理类似,神经纹理可存储在3D网格顶点内,与空间顶点建立相应的映射关系.对比传统纹理,神经纹理可以达到更高的维度,而高维特征图可以包含更多信息. ...
Deformable GANs for pose-based human image generation
1
2018
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Pose transfer generation with semantic parsing attention network for person re-identification
1
2021
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Stable and controllable neural texture synthesis and style transfer using histogram losses
1
2017
... 神经纹理是纹理的一种表示,是指以基于卷积神经网络特征空间进行自然纹理的处理[7 -8 ] .得益于神经网络,神经纹理能够存储可学习的高维特征图,可以作为场景捕获过程的一部分进行训练的学习特征图[9 ] .与传统纹理类似,神经纹理可存储在3D网格顶点内,与空间顶点建立相应的映射关系.对比传统纹理,神经纹理可以达到更高的维度,而高维特征图可以包含更多信息. ...
Texture fields:learning texture representations in function space
2
2020
... 神经纹理是纹理的一种表示,是指以基于卷积神经网络特征空间进行自然纹理的处理[7 -8 ] .得益于神经网络,神经纹理能够存储可学习的高维特征图,可以作为场景捕获过程的一部分进行训练的学习特征图[9 ] .与传统纹理类似,神经纹理可存储在3D网格顶点内,与空间顶点建立相应的映射关系.对比传统纹理,神经纹理可以达到更高的维度,而高维特征图可以包含更多信息. ...
... TextureFields[9 ] 提出一个基于回归的神经网络参数化的连续3D函数表示纹理场,独立于3D对象的形状表示,学习将示例图的纹理转 移到源网格以合成新视图.SRNs[58 ] 提出一个连续的、3D结构感知的场景表示,能够通过学习的定向距离场定义表面,无须3D监督条件下对3D场景的几何和外观建模,并保持多视图一致.BANMo[59 ] 利用隐函数隐式表示物体,结合NeRF的概念通过MLP网络给出3D空间点的颜色、体密度和训练所得的规范嵌入.规范嵌入用于对3D空间点的语义信息进行编码,注册不同时间示例中的像素观察值,其中应用MLP计算点到表面的定向距离函数(signed distance function,SDF)给出3D形状,用连续表面嵌入(continuous surfac e embeddings, CSE)[60 ] 初始化像素嵌入,生成像素对应的特征.与SMPL建立的可参数化模型相比,BANMo所需的数据量更小;与NeRF相比,BANMo更适用于表示物体更大幅度的运动. ...
Progressive pose attention transfer for person image generation
1
2020
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
Transformable bottleneck networks
1
2020
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
视觉计算基础:计算机视觉、图形学和图像处理的核心概念
1
2019
... 渲染过程以三维场景和视角设置为输入,产生三维场景从特定视角看到的二维图像 [10 ] .真实感渲染是为了客观呈现真实世界的场景,强调图像真实感.基本步骤是首先对场景几何建模,然后采集给定的环境光照条件,计算视点可见各物体表面颜色,以达到与真实世界相近、人眼可接受的视觉效果[11 ] . ...
视觉计算基础:计算机视觉、图形学和图像处理的核心概念
1
2019
... 渲染过程以三维场景和视角设置为输入,产生三维场景从特定视角看到的二维图像 [10 ] .真实感渲染是为了客观呈现真实世界的场景,强调图像真实感.基本步骤是首先对场景几何建模,然后采集给定的环境光照条件,计算视点可见各物体表面颜色,以达到与真实世界相近、人眼可接受的视觉效果[11 ] . ...
pixelNeRF:neural radiance fields from one or few images
1
2021
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
MetaHuman creator the starting point of the metaverse
1
2021
... 身份型虚拟人常见的应用有游戏和社交工具,其作为现实人类在虚拟世界的化身.在游戏领域中,用户可以创建专属于自己的虚拟形象,并在游戏世界中活动.这类虚拟人的重点通常在于人体建模,强调高保真性,代表性的工具有Epic Games推出的MetaHuman Creato r(MHC)[102 ] .作为虚幻引擎的线上应用,MHC支持用户在线制作虚拟人,通过Quixel Bridge导出并在游戏当中使用.MHC包含骨骼网格体、用于定义头部的Groom和细节等级LOD等重要组件,其面部数据来源于大量的现实图像扫描数据,身体建模则应用基于网格模型进行操作,在渲染方面主要采用了基于物理方法渲染以增强人物真实感. ...
Simulating spatially varying lighting on a live performance
1
2006
... 渲染过程以三维场景和视角设置为输入,产生三维场景从特定视角看到的二维图像 [10 ] .真实感渲染是为了客观呈现真实世界的场景,强调图像真实感.基本步骤是首先对场景几何建模,然后采集给定的环境光照条件,计算视点可见各物体表面颜色,以达到与真实世界相近、人眼可接受的视觉效果[11 ] . ...
Illumination for computer generated pictures
1
1975
... PhongBT[12 ] 提出的模型是一种典型的局部光照模型,其真实感取决于环境光、漫反射、镜面反射数据.漫反射是光入射到物体表面后以同等光强反射到各个方向的过程,由物体粗糙表面产生,漫反射的存在可以刻画物体的体积感,用于表示物体的形状线条等粗糙特征.镜面反射是平行光入射到相对光滑的表面后平行地向一个方向反射的过程,镜面反射的存在可以用于刻画物体的高光和阴影.而不同环境光照射到物体,物体表面会呈现不同的视觉效果,譬如高光区的改变、色调的变化,模拟这种变化也是真实感渲染的重要内容.在计算机图形学中,凹凸贴图用于突出物体的凹凸纹理,该技术除了使用更多的多边形表示,还可以从高精度图像用法线贴图[13 ] 实现凹凸光照感,极大地增强低精度多边形的外观和细节.对虚拟形象进行重新照明时,意味着变换环境光后,人体需要呈现与之对应的反射效果,展现相应的颜色和明暗. ...
AI-generated characters for supporting personalized learning and well-being
1
2021
... 而在社交领域,远程视讯是一个重要的应用场景,特别是出于某些隐私保护的目的,需要在视讯中用到虚拟化身.麻省理工学院媒体实验室开源了一个虚拟角色生成工具A IC[103 ] ,其技术核心基于Machinoia项目[104 ] ,通过分析输入的视频和音频信息,实时生成一个2D虚拟人.该工具可应用于医疗通话等隐私的社交场景,其中合成人脸模块应用了基于图像的合成技术,主要采用GAN完成. ...
Machinoia,machine of multiple me:integrating with past,future and alternative selves
1
2021
... 而在社交领域,远程视讯是一个重要的应用场景,特别是出于某些隐私保护的目的,需要在视讯中用到虚拟化身.麻省理工学院媒体实验室开源了一个虚拟角色生成工具A IC[103 ] ,其技术核心基于Machinoia项目[104 ] ,通过分析输入的视频和音频信息,实时生成一个2D虚拟人.该工具可应用于医疗通话等隐私的社交场景,其中合成人脸模块应用了基于图像的合成技术,主要采用GAN完成. ...
Normal mapping
1
2022
... PhongBT[12 ] 提出的模型是一种典型的局部光照模型,其真实感取决于环境光、漫反射、镜面反射数据.漫反射是光入射到物体表面后以同等光强反射到各个方向的过程,由物体粗糙表面产生,漫反射的存在可以刻画物体的体积感,用于表示物体的形状线条等粗糙特征.镜面反射是平行光入射到相对光滑的表面后平行地向一个方向反射的过程,镜面反射的存在可以用于刻画物体的高光和阴影.而不同环境光照射到物体,物体表面会呈现不同的视觉效果,譬如高光区的改变、色调的变化,模拟这种变化也是真实感渲染的重要内容.在计算机图形学中,凹凸贴图用于突出物体的凹凸纹理,该技术除了使用更多的多边形表示,还可以从高精度图像用法线贴图[13 ] 实现凹凸光照感,极大地增强低精度多边形的外观和细节.对虚拟形象进行重新照明时,意味着变换环境光后,人体需要呈现与之对应的反射效果,展现相应的颜色和明暗. ...
PBR:theory
1
2022
... 基于物理渲染(physically based rendering,PBR)是一种基于物理世界的渲染技术,旨在以物理上合理的方式模拟光线,比传统光照模型更具真实感[14 ] .与前述的光照模型原理相似,PBR使用从现实测量的表面参数表示现实世界的材质,突出效果的真实感.进行PBR的重要组件有漫反射、镜面反射及法线数据,渲染时需要根据给定的光照条件进行光照绘制.PBR所生成的虚拟形象支持重新照明和动态变化等操作,突出展现虚拟人的真实感. ...
Reality Avatar for Customer Conversation in the Metaverse
2
2022
... 在传媒和营销领域,为了极大地发掘虚拟形象的营销价值,在社会上发挥其独特的影响力,其推出的虚拟人不仅具有服务性功能[105 ] ,还具备一定的社交属性,与人类进行互动.近年来,国内外纷纷在社 交平台[106 ] 和营销广告[107 ] 中推出虚拟形象,进行内容产出,如虚拟超模Shudu Gram[108 ] 、日本的虚拟模特imma、上海燃麦打造的超写实数字人 AYAYI[109 ] 以及北京次世和上海魔珐共同研发的虚拟形象“翎”.其中AYAYI是基于虚幻引擎开发的一个3D高保真虚拟人,其参与各大美妆品牌在天猫的推广活动,同时也进驻了社交媒体,由幕后人员进行账号的日常运营. ...
... 在关注多种虚拟人的应用方式时,也要关注虚拟形象带来的社会影响.未来随着元宇宙和现实生活的关系更加密切,现实人类还会继续通过各类接口工具创建具有 自然表情神态[105 ] 、模仿人体运动的虚拟化身,参与各类商业和娱乐活动.多项调查显示,以虚拟形象方式为主的交流方式[110]能更有效地表达自我,但同时也存在网络欺凌、身份欺诈等隐患[111 -112 ] .社区管理者应合理利用社交数据加强对虚拟形象所有者的管理,平衡隐私保护和社区安全的治理.未来,随着合成技术进一步提升,更逼真的虚拟人还会继续以各种身份、各种形式活跃在人们的视线里.如何更合理地应用虚拟形象,是一个值得探讨的方向. ...
Virtual influencers in online social media
1
2022
... 在传媒和营销领域,为了极大地发掘虚拟形象的营销价值,在社会上发挥其独特的影响力,其推出的虚拟人不仅具有服务性功能[105 ] ,还具备一定的社交属性,与人类进行互动.近年来,国内外纷纷在社 交平台[106 ] 和营销广告[107 ] 中推出虚拟形象,进行内容产出,如虚拟超模Shudu Gram[108 ] 、日本的虚拟模特imma、上海燃麦打造的超写实数字人 AYAYI[109 ] 以及北京次世和上海魔珐共同研发的虚拟形象“翎”.其中AYAYI是基于虚幻引擎开发的一个3D高保真虚拟人,其参与各大美妆品牌在天猫的推广活动,同时也进驻了社交媒体,由幕后人员进行账号的日常运营. ...
医学图象三维重建技术综述
1
2003
... 直接体绘制算法根据不同的绘制次序,分为基于图像空间序列和基于物体空间序列 两类[15 ] .基于图像空间序列的体绘制是从反方向模拟光线穿过物体的过程,从屏幕上每一个像素点出发,沿视点方向发射一条射线,穿过三维数据场,沿着射线进行等距采样,使用一条光线上所有采样点的不透明度和颜色,通过运算推理出屏幕上该像素点的颜色值,也称光线追踪法.基于物体空间序列的体绘制事先根据每个数据点的函数值计算该点的颜色及不透明度,根据给定的视平面和观察方向将数据点投影到图像平面上,参考数据点在空间的先后遮挡顺序合成计算不透明度和颜色,也称光线投射法.体绘制形成的图像一般是半透明的,体绘制的光线投射法简单示例如图1 所示,假设某一点发出多条光线r0 ~r4 ,从f0 ~f4 点进入体数据,从l0 ~l4 出去,按照一定的距离间隔等距采样体纹理数据,直至穿出体数据. ...
医学图象三维重建技术综述
1
2003
... 直接体绘制算法根据不同的绘制次序,分为基于图像空间序列和基于物体空间序列 两类[15 ] .基于图像空间序列的体绘制是从反方向模拟光线穿过物体的过程,从屏幕上每一个像素点出发,沿视点方向发射一条射线,穿过三维数据场,沿着射线进行等距采样,使用一条光线上所有采样点的不透明度和颜色,通过运算推理出屏幕上该像素点的颜色值,也称光线追踪法.基于物体空间序列的体绘制事先根据每个数据点的函数值计算该点的颜色及不透明度,根据给定的视平面和观察方向将数据点投影到图像平面上,参考数据点在空间的先后遮挡顺序合成计算不透明度和颜色,也称光线投射法.体绘制形成的图像一般是半透明的,体绘制的光线投射法简单示例如图1 所示,假设某一点发出多条光线r0 ~r4 ,从f0 ~f4 点进入体数据,从l0 ~l4 出去,按照一定的距离间隔等距采样体纹理数据,直至穿出体数据. ...
Digital humans in fashion:will consumers interact?
1
2021
... 在传媒和营销领域,为了极大地发掘虚拟形象的营销价值,在社会上发挥其独特的影响力,其推出的虚拟人不仅具有服务性功能[105 ] ,还具备一定的社交属性,与人类进行互动.近年来,国内外纷纷在社 交平台[106 ] 和营销广告[107 ] 中推出虚拟形象,进行内容产出,如虚拟超模Shudu Gram[108 ] 、日本的虚拟模特imma、上海燃麦打造的超写实数字人 AYAYI[109 ] 以及北京次世和上海魔珐共同研发的虚拟形象“翎”.其中AYAYI是基于虚幻引擎开发的一个3D高保真虚拟人,其参与各大美妆品牌在天猫的推广活动,同时也进驻了社交媒体,由幕后人员进行账号的日常运营. ...
Influencer marketing as a modern phenomenon creating a new frontier of virtual opportunities
1
2018
... 在传媒和营销领域,为了极大地发掘虚拟形象的营销价值,在社会上发挥其独特的影响力,其推出的虚拟人不仅具有服务性功能[105 ] ,还具备一定的社交属性,与人类进行互动.近年来,国内外纷纷在社 交平台[106 ] 和营销广告[107 ] 中推出虚拟形象,进行内容产出,如虚拟超模Shudu Gram[108 ] 、日本的虚拟模特imma、上海燃麦打造的超写实数字人 AYAYI[109 ] 以及北京次世和上海魔珐共同研发的虚拟形象“翎”.其中AYAYI是基于虚幻引擎开发的一个3D高保真虚拟人,其参与各大美妆品牌在天猫的推广活动,同时也进驻了社交媒体,由幕后人员进行账号的日常运营. ...
NeRF:representing scenes as neural radiance fields for view synthesis
2
2020
... 神经辐射场NeRF最早被提出是用于静态场景表示的[16 ] ,通过多视角发出的相机光线收集数据合成多视角图像,结合经典体绘制技术将输出的颜色和体密度投影到图像中.其中,用多层感知机(multilayer perception, MLP)网络隐式学习静态3D场景,如式(1)所示: ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
PointNeRF:point-based neural radiance fields
1
2022
... 最初的NeRF算法需要结合经典的体绘制算法,因体素存储能力有限,限制了结果的分辨率,加上场景优化的需求,总体耗时较长.因此Point-NeRF[17 ] 算法结合立体渲染方法和深度多视图立体能快速重建场景几何的优点,提出用神经点云计算体积属性,模拟辐射场的方法.点云可以被看作观察空间中海量点的集合,神经点云具有神经特征.研究应用一个基于点云的神经渲染过程,该研究提出基于光线行进法,聚合场景表面附近的神经点特征进行渲染,避免空区域的采样,通过直接网络推理加速辐射场的初始化,并通过点增长和剪枝优化场景表示.目前神经辐射场已被应用于虚拟人合成领域执行多角度合成视觉图像的任务,展现出良好的性能. ...
虚实共融,若即若离:全面进击的虚拟数字人
1
2022
... 在传媒和营销领域,为了极大地发掘虚拟形象的营销价值,在社会上发挥其独特的影响力,其推出的虚拟人不仅具有服务性功能[105 ] ,还具备一定的社交属性,与人类进行互动.近年来,国内外纷纷在社 交平台[106 ] 和营销广告[107 ] 中推出虚拟形象,进行内容产出,如虚拟超模Shudu Gram[108 ] 、日本的虚拟模特imma、上海燃麦打造的超写实数字人 AYAYI[109 ] 以及北京次世和上海魔珐共同研发的虚拟形象“翎”.其中AYAYI是基于虚幻引擎开发的一个3D高保真虚拟人,其参与各大美妆品牌在天猫的推广活动,同时也进驻了社交媒体,由幕后人员进行账号的日常运营. ...
虚实共融,若即若离:全面进击的虚拟数字人
1
2022
... 在传媒和营销领域,为了极大地发掘虚拟形象的营销价值,在社会上发挥其独特的影响力,其推出的虚拟人不仅具有服务性功能[105 ] ,还具备一定的社交属性,与人类进行互动.近年来,国内外纷纷在社 交平台[106 ] 和营销广告[107 ] 中推出虚拟形象,进行内容产出,如虚拟超模Shudu Gram[108 ] 、日本的虚拟模特imma、上海燃麦打造的超写实数字人 AYAYI[109 ] 以及北京次世和上海魔珐共同研发的虚拟形象“翎”.其中AYAYI是基于虚幻引擎开发的一个3D高保真虚拟人,其参与各大美妆品牌在天猫的推广活动,同时也进驻了社交媒体,由幕后人员进行账号的日常运营. ...
Avatarmediated communication in video conferencing:effect of self-affirmation on debating participation focusing on moderation effect of avatar
2023
Online social support via avatar communication buffers harmful effects of offline bullying victimization
1
2022
... 在关注多种虚拟人的应用方式时,也要关注虚拟形象带来的社会影响.未来随着元宇宙和现实生活的关系更加密切,现实人类还会继续通过各类接口工具创建具有 自然表情神态[105 ] 、模仿人体运动的虚拟化身,参与各类商业和娱乐活动.多项调查显示,以虚拟形象方式为主的交流方式[110]能更有效地表达自我,但同时也存在网络欺凌、身份欺诈等隐患[111 -112 ] .社区管理者应合理利用社交数据加强对虚拟形象所有者的管理,平衡隐私保护和社区安全的治理.未来,随着合成技术进一步提升,更逼真的虚拟人还会继续以各种身份、各种形式活跃在人们的视线里.如何更合理地应用虚拟形象,是一个值得探讨的方向. ...
Avatars in the metaverse:potential legal issues and remedies
1
2022
... 在关注多种虚拟人的应用方式时,也要关注虚拟形象带来的社会影响.未来随着元宇宙和现实生活的关系更加密切,现实人类还会继续通过各类接口工具创建具有 自然表情神态[105 ] 、模仿人体运动的虚拟化身,参与各类商业和娱乐活动.多项调查显示,以虚拟形象方式为主的交流方式[110]能更有效地表达自我,但同时也存在网络欺凌、身份欺诈等隐患[111 -112 ] .社区管理者应合理利用社交数据加强对虚拟形象所有者的管理,平衡隐私保护和社区安全的治理.未来,随着合成技术进一步提升,更逼真的虚拟人还会继续以各种身份、各种形式活跃在人们的视线里.如何更合理地应用虚拟形象,是一个值得探讨的方向. ...
SCAPE:shape completion and animation of people
1
2005
... 基于网格构建虚拟人形象,核心在于人体的网格模型,本文着重介绍人体参数化模型.人体参数化模型是支持参数对模型的属性进行动态调整的人体网格模型.最经典的人体参数化模型生成算法是SC APE[18 ] ,利用主成分分析法(principal component analysis,PCA)提取体型和姿态两个独立的低维参数合成人体参数化模型,网格变形依赖于三角形的旋转变形.而如今动画制作常常应用网格顶点进行变形,对应经典的蒙皮技术,接下来对此进行介绍. ...
Geometric skinning with approximate dual quaternion blending
1
2008
... 虚拟人形象可被视作骨架和表皮两部分,骨架由关节树构成,表皮是由多个三维空间点组成的面.要建立人体的网格模型,应先生成一副骨架,将网格顶点按照一定的权重绑定在关节上,这一个过程被称作“蒙皮”[19 ] .人体运动可以被视作人体内部发生了铰接运动,对应关节发生了旋转和位移.对人体运动的模拟体现在通过计算运动相关的关节受到的影响,获得活动后的关节位置.线性混合蒙皮(linear blending skinning,LBS)算法[20 ] 根据人体特定运动对每个绑定的关节点的影响进行加权求和的线性运算,实现网格变形.传统的LBS算法单纯对旋转进行线性运算,造成“糖果包装”的肢体扭曲现象,而且关节连接处可能会出现断裂.在LBS算法的基础上,SMPL模型[21 ] 实现了一个人体参数化三维模型,在混合变形过程中利用数据学习参数为关节连接处提供平滑的过渡.SMPL模型支持从外界输入姿势参数和体型参数,模拟人体肌肉在肢体运动过程中的形变,从而控制人体的形态变化. ...
Bounded biharmonic weights for realtime deformation
1
2011
... 虚拟人形象可被视作骨架和表皮两部分,骨架由关节树构成,表皮是由多个三维空间点组成的面.要建立人体的网格模型,应先生成一副骨架,将网格顶点按照一定的权重绑定在关节上,这一个过程被称作“蒙皮”[19 ] .人体运动可以被视作人体内部发生了铰接运动,对应关节发生了旋转和位移.对人体运动的模拟体现在通过计算运动相关的关节受到的影响,获得活动后的关节位置.线性混合蒙皮(linear blending skinning,LBS)算法[20 ] 根据人体特定运动对每个绑定的关节点的影响进行加权求和的线性运算,实现网格变形.传统的LBS算法单纯对旋转进行线性运算,造成“糖果包装”的肢体扭曲现象,而且关节连接处可能会出现断裂.在LBS算法的基础上,SMPL模型[21 ] 实现了一个人体参数化三维模型,在混合变形过程中利用数据学习参数为关节连接处提供平滑的过渡.SMPL模型支持从外界输入姿势参数和体型参数,模拟人体肌肉在肢体运动过程中的形变,从而控制人体的形态变化. ...
SMPL:a skinned multi-person linear model
2
2015
... 虚拟人形象可被视作骨架和表皮两部分,骨架由关节树构成,表皮是由多个三维空间点组成的面.要建立人体的网格模型,应先生成一副骨架,将网格顶点按照一定的权重绑定在关节上,这一个过程被称作“蒙皮”[19 ] .人体运动可以被视作人体内部发生了铰接运动,对应关节发生了旋转和位移.对人体运动的模拟体现在通过计算运动相关的关节受到的影响,获得活动后的关节位置.线性混合蒙皮(linear blending skinning,LBS)算法[20 ] 根据人体特定运动对每个绑定的关节点的影响进行加权求和的线性运算,实现网格变形.传统的LBS算法单纯对旋转进行线性运算,造成“糖果包装”的肢体扭曲现象,而且关节连接处可能会出现断裂.在LBS算法的基础上,SMPL模型[21 ] 实现了一个人体参数化三维模型,在混合变形过程中利用数据学习参数为关节连接处提供平滑的过渡.SMPL模型支持从外界输入姿势参数和体型参数,模拟人体肌肉在肢体运动过程中的形变,从而控制人体的形态变化. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Expressive body capture:3D hands,face,and body from a single image
1
2020
... 近年来,SMPL模型的版本已经衍生到S MPL-X[22 ] ,支持从单帧RGB图像建立起包含身体、手部姿态和面部表情的三维立体模型,扩展了对手部和面部的建模.SMPL-X模型增加了表情和手势等细节,图2 展示了模型建立的基本步骤及效果对比.此外规则的人体网格还可用于特征提取[23 ] ,为动态虚拟人合成提供强大的人体先验知识[24 ] ,包括基本的姿势、体型数据,作为构建4D虚拟人的初始化辅助 手段.H4D[24 ] 以每帧采集的点云组成序列为输入,分别进行形状、姿势、运动等编码构建初始的人体参数化网格模型,再设计一个辅助编码器处理细粒度的衣物和头发进行几何组合,得到完整的人体网格. ...
Graphbased 3D multi-person pose estimation using multi-view images
1
2022
... 近年来,SMPL模型的版本已经衍生到S MPL-X[22 ] ,支持从单帧RGB图像建立起包含身体、手部姿态和面部表情的三维立体模型,扩展了对手部和面部的建模.SMPL-X模型增加了表情和手势等细节,图2 展示了模型建立的基本步骤及效果对比.此外规则的人体网格还可用于特征提取[23 ] ,为动态虚拟人合成提供强大的人体先验知识[24 ] ,包括基本的姿势、体型数据,作为构建4D虚拟人的初始化辅助 手段.H4D[24 ] 以每帧采集的点云组成序列为输入,分别进行形状、姿势、运动等编码构建初始的人体参数化网格模型,再设计一个辅助编码器处理细粒度的衣物和头发进行几何组合,得到完整的人体网格. ...
H4D:human 4D modeling by learning neural compositional representation
3
2022
... 近年来,SMPL模型的版本已经衍生到S MPL-X[22 ] ,支持从单帧RGB图像建立起包含身体、手部姿态和面部表情的三维立体模型,扩展了对手部和面部的建模.SMPL-X模型增加了表情和手势等细节,图2 展示了模型建立的基本步骤及效果对比.此外规则的人体网格还可用于特征提取[23 ] ,为动态虚拟人合成提供强大的人体先验知识[24 ] ,包括基本的姿势、体型数据,作为构建4D虚拟人的初始化辅助 手段.H4D[24 ] 以每帧采集的点云组成序列为输入,分别进行形状、姿势、运动等编码构建初始的人体参数化网格模型,再设计一个辅助编码器处理细粒度的衣物和头发进行几何组合,得到完整的人体网格. ...
... [24 ]以每帧采集的点云组成序列为输入,分别进行形状、姿势、运动等编码构建初始的人体参数化网格模型,再设计一个辅助编码器处理细粒度的衣物和头发进行几何组合,得到完整的人体网格. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
STAR:sparse trained articulated human body regressor
1
2020
... 除此以外,Osman A A A等人[25 ] 提出了将STAR作为SMPL的替代方法,将姿势相关的形变分解为一组空间局部姿势校正的混合形状函数,姿势形变会根据人的体型进行校正.SMPL生成的模型是一个基于顶点的线性模型,是目前最广为应用的人体参数化模型;而采用非线性策略的模型以GH UM/GHUML[26 ] 为代表.基于VAE[27 ] 的隐空间表示,GHUM/GHUML依赖于标准流[28 ] 的分布近似和推导计算,生成一个非线性参数模型表示骨架运动. ...
GHUM & GHUML:generative 3D human shape and articulated pose models
1
2020
... 除此以外,Osman A A A等人[25 ] 提出了将STAR作为SMPL的替代方法,将姿势相关的形变分解为一组空间局部姿势校正的混合形状函数,姿势形变会根据人的体型进行校正.SMPL生成的模型是一个基于顶点的线性模型,是目前最广为应用的人体参数化模型;而采用非线性策略的模型以GH UM/GHUML[26 ] 为代表.基于VAE[27 ] 的隐空间表示,GHUM/GHUML依赖于标准流[28 ] 的分布近似和推导计算,生成一个非线性参数模型表示骨架运动. ...
Autoencoding variational bayes
1
2013
... 除此以外,Osman A A A等人[25 ] 提出了将STAR作为SMPL的替代方法,将姿势相关的形变分解为一组空间局部姿势校正的混合形状函数,姿势形变会根据人的体型进行校正.SMPL生成的模型是一个基于顶点的线性模型,是目前最广为应用的人体参数化模型;而采用非线性策略的模型以GH UM/GHUML[26 ] 为代表.基于VAE[27 ] 的隐空间表示,GHUM/GHUML依赖于标准流[28 ] 的分布近似和推导计算,生成一个非线性参数模型表示骨架运动. ...
Variational inference with normalizing flows
1
2015
... 除此以外,Osman A A A等人[25 ] 提出了将STAR作为SMPL的替代方法,将姿势相关的形变分解为一组空间局部姿势校正的混合形状函数,姿势形变会根据人的体型进行校正.SMPL生成的模型是一个基于顶点的线性模型,是目前最广为应用的人体参数化模型;而采用非线性策略的模型以GH UM/GHUML[26 ] 为代表.基于VAE[27 ] 的隐空间表示,GHUM/GHUML依赖于标准流[28 ] 的分布近似和推导计算,生成一个非线性参数模型表示骨架运动. ...
Multi-garment Net:learning to dress 3D people from images
1
2020
... 虽然基于网格的方法可以生成逼真的人体模型,具有足够的铰接式运动的仿真模拟能力,但是前提是需要建模对象具有固定的拓扑,其对于衣物、头发等精细结构的建模能力很差.现有工作[29 -34 ] 给SMPL模型的网格顶点添加偏移以表示衣服的几何(SMPL+displacement,SMPL+D),结果仅适用于紧身衣物的表面模拟,且难以恢复衣物的边界细节.尤其对于宽松的衣物,由于与顶点绑定后具有相同的蒙皮权重,移动时会造成明显的伪影.为了改善SMPL模型的性能,BCNet[35 ] 采用神经网络为特定类型的衣物建立独立的蒙皮权重,使衣物网格独立于SMPL模型并且能够叠加在SMPL模型上,通过位移网络表示衣物随运动的形变,规避了部分类型衣物绑定身体网格顶点带来的伪影问题,进一步优化基于网格的方法对服装迁移的解决方案.除此以外,近年来基于网格的方法所生成的人体 模型被用作建模的基础[36 ] ,寻找对衣物、头发建模能力更强的方案作为替代细化模型,或者协助完成动作推导等任务. ...
Tex2Shape:detailed full human body geometry from a single image
2020
Photo wake-up:3D character animation from a single photo
2020
Detailed human avatars from monocular video
2018
Learning to dress 3D people in generative clothing
1
2020
... 除了常规形式的数据输入外 ,3D人体模型也可以作为虚拟人合成模型的输入.STATE[85 ] 根据实验需要合成Human图像数据集,数据来源于twindom提供的真实扫描3D人类模型,每个模型由49 6张多视角的图片渲 染而成.近几年的虚拟人数据集还有CAPE[33 ] 和AGORA[86 ] .CAPE是第一个将直接打扮的3D人体网格推广到多姿势,从3D扫描中生成以姿势和衣物为条件的人体模型.AGORA通过扩展SMPL-X身体模型安装到3D扫描中,创建3D姿势和身体形状,具有多种姿势和服装的人体扫描数据. ...
Learning to reconstruct people in clothing from a single RGB camera
1
2020
... 虽然基于网格的方法可以生成逼真的人体模型,具有足够的铰接式运动的仿真模拟能力,但是前提是需要建模对象具有固定的拓扑,其对于衣物、头发等精细结构的建模能力很差.现有工作[29 -34 ] 给SMPL模型的网格顶点添加偏移以表示衣服的几何(SMPL+displacement,SMPL+D),结果仅适用于紧身衣物的表面模拟,且难以恢复衣物的边界细节.尤其对于宽松的衣物,由于与顶点绑定后具有相同的蒙皮权重,移动时会造成明显的伪影.为了改善SMPL模型的性能,BCNet[35 ] 采用神经网络为特定类型的衣物建立独立的蒙皮权重,使衣物网格独立于SMPL模型并且能够叠加在SMPL模型上,通过位移网络表示衣物随运动的形变,规避了部分类型衣物绑定身体网格顶点带来的伪影问题,进一步优化基于网格的方法对服装迁移的解决方案.除此以外,近年来基于网格的方法所生成的人体 模型被用作建模的基础[36 ] ,寻找对衣物、头发建模能力更强的方案作为替代细化模型,或者协助完成动作推导等任务. ...
BCNet:learning body and cloth shape from a single image
1
2020
... 虽然基于网格的方法可以生成逼真的人体模型,具有足够的铰接式运动的仿真模拟能力,但是前提是需要建模对象具有固定的拓扑,其对于衣物、头发等精细结构的建模能力很差.现有工作[29 -34 ] 给SMPL模型的网格顶点添加偏移以表示衣服的几何(SMPL+displacement,SMPL+D),结果仅适用于紧身衣物的表面模拟,且难以恢复衣物的边界细节.尤其对于宽松的衣物,由于与顶点绑定后具有相同的蒙皮权重,移动时会造成明显的伪影.为了改善SMPL模型的性能,BCNet[35 ] 采用神经网络为特定类型的衣物建立独立的蒙皮权重,使衣物网格独立于SMPL模型并且能够叠加在SMPL模型上,通过位移网络表示衣物随运动的形变,规避了部分类型衣物绑定身体网格顶点带来的伪影问题,进一步优化基于网格的方法对服装迁移的解决方案.除此以外,近年来基于网格的方法所生成的人体 模型被用作建模的基础[36 ] ,寻找对衣物、头发建模能力更强的方案作为替代细化模型,或者协助完成动作推导等任务. ...
Capturing humans in motion:temporalattentive 3D human pose and shape estimation from monocular video
1
2022
... 虽然基于网格的方法可以生成逼真的人体模型,具有足够的铰接式运动的仿真模拟能力,但是前提是需要建模对象具有固定的拓扑,其对于衣物、头发等精细结构的建模能力很差.现有工作[29 -34 ] 给SMPL模型的网格顶点添加偏移以表示衣服的几何(SMPL+displacement,SMPL+D),结果仅适用于紧身衣物的表面模拟,且难以恢复衣物的边界细节.尤其对于宽松的衣物,由于与顶点绑定后具有相同的蒙皮权重,移动时会造成明显的伪影.为了改善SMPL模型的性能,BCNet[35 ] 采用神经网络为特定类型的衣物建立独立的蒙皮权重,使衣物网格独立于SMPL模型并且能够叠加在SMPL模型上,通过位移网络表示衣物随运动的形变,规避了部分类型衣物绑定身体网格顶点带来的伪影问题,进一步优化基于网格的方法对服装迁移的解决方案.除此以外,近年来基于网格的方法所生成的人体 模型被用作建模的基础[36 ] ,寻找对衣物、头发建模能力更强的方案作为替代细化模型,或者协助完成动作推导等任务. ...
A morphable model for the synthesis of 3D faces
1
1999
... 基于图像的方法的核心是通过若干幅二维图像恢复场景的三维结构,实现多个图像到图像的转换网络,常见于人脸重建.人脸重建关系着对应的3D可变形面部模型(3D morphable model,3DMM)[37 ] ,其创建过程要求提供大量的光照变化、姿势和表情数据,分为线性和非线性两类.低维性是线性3DMM的特点之一,利用PCA采集低维空间的纹理和面部形状特征,或采用学习网络推理线性面部模型,生成具有真实感的、用于物理渲染的数据,例如反射率、法线等.采用PCA建立的线性3DMM难以复现人体纹理和几何的高频细节,对自然场景下 的图像集的泛化能力很差[38 ] .基于无监督或弱监督学习生成的非线性可变形面部模型[39 ] 可以处理大量自然场景下的图片,但不适合重新照明的人像化身和动画,因为环境光照条件和表情等数据已经被保存在输出的纹理图片中.主流方法是采用基于深度学习进行图像后处理以推理线性面部模型用于重照明的渲染组件[40 ] . ...
AvatarMe:realistically renderable 3D facial reconstruction “In-thewild”
2
2020
... 基于图像的方法的核心是通过若干幅二维图像恢复场景的三维结构,实现多个图像到图像的转换网络,常见于人脸重建.人脸重建关系着对应的3D可变形面部模型(3D morphable model,3DMM)[37 ] ,其创建过程要求提供大量的光照变化、姿势和表情数据,分为线性和非线性两类.低维性是线性3DMM的特点之一,利用PCA采集低维空间的纹理和面部形状特征,或采用学习网络推理线性面部模型,生成具有真实感的、用于物理渲染的数据,例如反射率、法线等.采用PCA建立的线性3DMM难以复现人体纹理和几何的高频细节,对自然场景下 的图像集的泛化能力很差[38 ] .基于无监督或弱监督学习生成的非线性可变形面部模型[39 ] 可以处理大量自然场景下的图片,但不适合重新照明的人像化身和动画,因为环境光照条件和表情等数据已经被保存在输出的纹理图片中.主流方法是采用基于深度学习进行图像后处理以推理线性面部模型用于重照明的渲染组件[40 ] . ...
... GANFIT[41 ] 实现从单张自然场景下的图片重建高质量的纹理和形状数据,采用GAN训练出大规模的高分辨率的纹理数据,且身份特征得到了保留.与前述一样,在GANFIT获得的纹理数据中,光照条件已经被保存进去,不能从中重建高频法线和镜面反射等数据,因此不能直接进入渲染阶段.根据GANFIT获得的纹理和形状数据,AvatarMe[38 ] 对输入图像的非线性3DMM,通过消除纹理照明网络以提取其中的漫反射数据,并将已生成的、可靠的漫反射数据设计通过多个图转换网络推算出镜面反射、镜面法线和漫反射法线数据等真实感渲染的重要组件,所得的人脸模型支持重新照明操作,呈现不同光照条件下面部对应的变化,可以直接用于渲染.尽管AvatarMe的训练数据集相对庞大,但由于欠缺深色皮肤的人脸数据,不能很好地处理深色皮肤人种的面部重建工作,此外还较为依赖输入图片的分辨率、照明等条件. ...
ImFace:a nonlinear 3D morphable face model with implicit neural representations
1
2022
... 基于图像的方法的核心是通过若干幅二维图像恢复场景的三维结构,实现多个图像到图像的转换网络,常见于人脸重建.人脸重建关系着对应的3D可变形面部模型(3D morphable model,3DMM)[37 ] ,其创建过程要求提供大量的光照变化、姿势和表情数据,分为线性和非线性两类.低维性是线性3DMM的特点之一,利用PCA采集低维空间的纹理和面部形状特征,或采用学习网络推理线性面部模型,生成具有真实感的、用于物理渲染的数据,例如反射率、法线等.采用PCA建立的线性3DMM难以复现人体纹理和几何的高频细节,对自然场景下 的图像集的泛化能力很差[38 ] .基于无监督或弱监督学习生成的非线性可变形面部模型[39 ] 可以处理大量自然场景下的图片,但不适合重新照明的人像化身和动画,因为环境光照条件和表情等数据已经被保存在输出的纹理图片中.主流方法是采用基于深度学习进行图像后处理以推理线性面部模型用于重照明的渲染组件[40 ] . ...
I M avatar:implicit morphable head avatars from videos
1
2022
... 基于图像的方法的核心是通过若干幅二维图像恢复场景的三维结构,实现多个图像到图像的转换网络,常见于人脸重建.人脸重建关系着对应的3D可变形面部模型(3D morphable model,3DMM)[37 ] ,其创建过程要求提供大量的光照变化、姿势和表情数据,分为线性和非线性两类.低维性是线性3DMM的特点之一,利用PCA采集低维空间的纹理和面部形状特征,或采用学习网络推理线性面部模型,生成具有真实感的、用于物理渲染的数据,例如反射率、法线等.采用PCA建立的线性3DMM难以复现人体纹理和几何的高频细节,对自然场景下 的图像集的泛化能力很差[38 ] .基于无监督或弱监督学习生成的非线性可变形面部模型[39 ] 可以处理大量自然场景下的图片,但不适合重新照明的人像化身和动画,因为环境光照条件和表情等数据已经被保存在输出的纹理图片中.主流方法是采用基于深度学习进行图像后处理以推理线性面部模型用于重照明的渲染组件[40 ] . ...
GANFIT:generative adversarial network fitting for high fidelity 3D face reconstruction
2
2020
... GANFIT[41 ] 实现从单张自然场景下的图片重建高质量的纹理和形状数据,采用GAN训练出大规模的高分辨率的纹理数据,且身份特征得到了保留.与前述一样,在GANFIT获得的纹理数据中,光照条件已经被保存进去,不能从中重建高频法线和镜面反射等数据,因此不能直接进入渲染阶段.根据GANFIT获得的纹理和形状数据,AvatarMe[38 ] 对输入图像的非线性3DMM,通过消除纹理照明网络以提取其中的漫反射数据,并将已生成的、可靠的漫反射数据设计通过多个图转换网络推算出镜面反射、镜面法线和漫反射法线数据等真实感渲染的重要组件,所得的人脸模型支持重新照明操作,呈现不同光照条件下面部对应的变化,可以直接用于渲染.尽管AvatarMe的训练数据集相对庞大,但由于欠缺深色皮肤的人脸数据,不能很好地处理深色皮肤人种的面部重建工作,此外还较为依赖输入图片的分辨率、照明等条件. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
A style-based generator architecture for generative adversarial networks
1
2020
... styleGAN[42 ] 提出一个基于样式的GAN算法,实现输入图片中的高级属性和生成的图像自学习、无监督地分离,并且可以直观控制合成.其中的style表示输入的数据风格主要体现为人脸的主要属性,如表情、面的朝向、发型之类.与传统生成器网络相似,styleGAN的生成器网络每一层的图片分辨率是递增的,呈现渐进式的生长.传统GAN和styleGAN的结构对比如图3 所示.styleGAN相对于传统GAN的一个明显改进是对输入z的特征解耦,产生一个不受训练数据分布影响的中间向量 w ,减少某个特征与向量中元素的关联数,并且投喂给生成器网络的每一层,使得每一层输入的噪声对其他特征的影响降到最低.StyleRig[43 ] 实现一个通过3DMM对styleGAN进行面部绑定的网络,控制语义参数(如人脸表情)以实现面部变换,然而变换能力是非常依赖3DMM的,且不能显式控制不被3DMM解释的场 景特征.styleGAN2[44 ] 是styleGAN的改进版本,消除了水滴伪影,并且结合残差网络直接将低分辨率特征映射到最终生成结果.参考文献[45 ]利用styleGAN2的架构训练具有3D几何和反射率纹理的3DMM,并对渲染后的人脸采用感知细化,能克服极端光照条件带来的困难,生成高分辨率的标准化、中性表情的人脸,然而不完善的训练数据会使该模型难以从肤色中完全分离光照信息,光照信息和表情信息不能与人脸完全解耦.除了人脸重建领域,近年来GAN也被应用于虚拟着装领域[46 -47 ] ,用于模拟具有不同拓扑的服装,通过设计映射网络将服装定位到不同的人体模型上. ...
StyleRig:rigging StyleGAN for 3D control over portrait images
1
2020
... styleGAN[42 ] 提出一个基于样式的GAN算法,实现输入图片中的高级属性和生成的图像自学习、无监督地分离,并且可以直观控制合成.其中的style表示输入的数据风格主要体现为人脸的主要属性,如表情、面的朝向、发型之类.与传统生成器网络相似,styleGAN的生成器网络每一层的图片分辨率是递增的,呈现渐进式的生长.传统GAN和styleGAN的结构对比如图3 所示.styleGAN相对于传统GAN的一个明显改进是对输入z的特征解耦,产生一个不受训练数据分布影响的中间向量 w ,减少某个特征与向量中元素的关联数,并且投喂给生成器网络的每一层,使得每一层输入的噪声对其他特征的影响降到最低.StyleRig[43 ] 实现一个通过3DMM对styleGAN进行面部绑定的网络,控制语义参数(如人脸表情)以实现面部变换,然而变换能力是非常依赖3DMM的,且不能显式控制不被3DMM解释的场 景特征.styleGAN2[44 ] 是styleGAN的改进版本,消除了水滴伪影,并且结合残差网络直接将低分辨率特征映射到最终生成结果.参考文献[45 ]利用styleGAN2的架构训练具有3D几何和反射率纹理的3DMM,并对渲染后的人脸采用感知细化,能克服极端光照条件带来的困难,生成高分辨率的标准化、中性表情的人脸,然而不完善的训练数据会使该模型难以从肤色中完全分离光照信息,光照信息和表情信息不能与人脸完全解耦.除了人脸重建领域,近年来GAN也被应用于虚拟着装领域[46 -47 ] ,用于模拟具有不同拓扑的服装,通过设计映射网络将服装定位到不同的人体模型上. ...
MINE:towards continuous depth MPI with NeRF for novel view synthesis
1
2022
... ● 提高模型的泛化能力,体现在对自然场景下图片的处理和对未观察区域的外推能力的提升.应用于自然场景下的图片的重建模型要求具有足够的能力去捕捉照明光谱和背景变化,以处理复杂多变的照明环境和背景数据;而对未观察区域的外推能力的提升,可以结合全局场景先验知识和扩展多视图的合成进行增强.当已标记的3D几何数据充足时,主流的SMPL人体参数化模型能为SDF等隐式表示方法提供强大的先验知识;当可用数据限制时,已有工作[113 ] 证明能够引入先进的NeRF技术通过单张多平面图片进行重建,实现多视图合成和深度估算. ...
Analyzing and improving the image quality of StyleGAN
1
2020
... styleGAN[42 ] 提出一个基于样式的GAN算法,实现输入图片中的高级属性和生成的图像自学习、无监督地分离,并且可以直观控制合成.其中的style表示输入的数据风格主要体现为人脸的主要属性,如表情、面的朝向、发型之类.与传统生成器网络相似,styleGAN的生成器网络每一层的图片分辨率是递增的,呈现渐进式的生长.传统GAN和styleGAN的结构对比如图3 所示.styleGAN相对于传统GAN的一个明显改进是对输入z的特征解耦,产生一个不受训练数据分布影响的中间向量 w ,减少某个特征与向量中元素的关联数,并且投喂给生成器网络的每一层,使得每一层输入的噪声对其他特征的影响降到最低.StyleRig[43 ] 实现一个通过3DMM对styleGAN进行面部绑定的网络,控制语义参数(如人脸表情)以实现面部变换,然而变换能力是非常依赖3DMM的,且不能显式控制不被3DMM解释的场 景特征.styleGAN2[44 ] 是styleGAN的改进版本,消除了水滴伪影,并且结合残差网络直接将低分辨率特征映射到最终生成结果.参考文献[45 ]利用styleGAN2的架构训练具有3D几何和反射率纹理的3DMM,并对渲染后的人脸采用感知细化,能克服极端光照条件带来的困难,生成高分辨率的标准化、中性表情的人脸,然而不完善的训练数据会使该模型难以从肤色中完全分离光照信息,光照信息和表情信息不能与人脸完全解耦.除了人脸重建领域,近年来GAN也被应用于虚拟着装领域[46 -47 ] ,用于模拟具有不同拓扑的服装,通过设计映射网络将服装定位到不同的人体模型上. ...
Normalized avatar synthesis using StyleGAN and perceptual refinement
2
2021
... styleGAN[42 ] 提出一个基于样式的GAN算法,实现输入图片中的高级属性和生成的图像自学习、无监督地分离,并且可以直观控制合成.其中的style表示输入的数据风格主要体现为人脸的主要属性,如表情、面的朝向、发型之类.与传统生成器网络相似,styleGAN的生成器网络每一层的图片分辨率是递增的,呈现渐进式的生长.传统GAN和styleGAN的结构对比如图3 所示.styleGAN相对于传统GAN的一个明显改进是对输入z的特征解耦,产生一个不受训练数据分布影响的中间向量 w ,减少某个特征与向量中元素的关联数,并且投喂给生成器网络的每一层,使得每一层输入的噪声对其他特征的影响降到最低.StyleRig[43 ] 实现一个通过3DMM对styleGAN进行面部绑定的网络,控制语义参数(如人脸表情)以实现面部变换,然而变换能力是非常依赖3DMM的,且不能显式控制不被3DMM解释的场 景特征.styleGAN2[44 ] 是styleGAN的改进版本,消除了水滴伪影,并且结合残差网络直接将低分辨率特征映射到最终生成结果.参考文献[45 ]利用styleGAN2的架构训练具有3D几何和反射率纹理的3DMM,并对渲染后的人脸采用感知细化,能克服极端光照条件带来的困难,生成高分辨率的标准化、中性表情的人脸,然而不完善的训练数据会使该模型难以从肤色中完全分离光照信息,光照信息和表情信息不能与人脸完全解耦.除了人脸重建领域,近年来GAN也被应用于虚拟着装领域[46 -47 ] ,用于模拟具有不同拓扑的服装,通过设计映射网络将服装定位到不同的人体模型上. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
GANbased garment generation using sewing pattern images
1
2020
... styleGAN[42 ] 提出一个基于样式的GAN算法,实现输入图片中的高级属性和生成的图像自学习、无监督地分离,并且可以直观控制合成.其中的style表示输入的数据风格主要体现为人脸的主要属性,如表情、面的朝向、发型之类.与传统生成器网络相似,styleGAN的生成器网络每一层的图片分辨率是递增的,呈现渐进式的生长.传统GAN和styleGAN的结构对比如图3 所示.styleGAN相对于传统GAN的一个明显改进是对输入z的特征解耦,产生一个不受训练数据分布影响的中间向量 w ,减少某个特征与向量中元素的关联数,并且投喂给生成器网络的每一层,使得每一层输入的噪声对其他特征的影响降到最低.StyleRig[43 ] 实现一个通过3DMM对styleGAN进行面部绑定的网络,控制语义参数(如人脸表情)以实现面部变换,然而变换能力是非常依赖3DMM的,且不能显式控制不被3DMM解释的场 景特征.styleGAN2[44 ] 是styleGAN的改进版本,消除了水滴伪影,并且结合残差网络直接将低分辨率特征映射到最终生成结果.参考文献[45 ]利用styleGAN2的架构训练具有3D几何和反射率纹理的3DMM,并对渲染后的人脸采用感知细化,能克服极端光照条件带来的困难,生成高分辨率的标准化、中性表情的人脸,然而不完善的训练数据会使该模型难以从肤色中完全分离光照信息,光照信息和表情信息不能与人脸完全解耦.除了人脸重建领域,近年来GAN也被应用于虚拟着装领域[46 -47 ] ,用于模拟具有不同拓扑的服装,通过设计映射网络将服装定位到不同的人体模型上. ...
GarmentGAN:photo-realistic adversarial fashion transfer
1
2021
... styleGAN[42 ] 提出一个基于样式的GAN算法,实现输入图片中的高级属性和生成的图像自学习、无监督地分离,并且可以直观控制合成.其中的style表示输入的数据风格主要体现为人脸的主要属性,如表情、面的朝向、发型之类.与传统生成器网络相似,styleGAN的生成器网络每一层的图片分辨率是递增的,呈现渐进式的生长.传统GAN和styleGAN的结构对比如图3 所示.styleGAN相对于传统GAN的一个明显改进是对输入z的特征解耦,产生一个不受训练数据分布影响的中间向量 w ,减少某个特征与向量中元素的关联数,并且投喂给生成器网络的每一层,使得每一层输入的噪声对其他特征的影响降到最低.StyleRig[43 ] 实现一个通过3DMM对styleGAN进行面部绑定的网络,控制语义参数(如人脸表情)以实现面部变换,然而变换能力是非常依赖3DMM的,且不能显式控制不被3DMM解释的场 景特征.styleGAN2[44 ] 是styleGAN的改进版本,消除了水滴伪影,并且结合残差网络直接将低分辨率特征映射到最终生成结果.参考文献[45 ]利用styleGAN2的架构训练具有3D几何和反射率纹理的3DMM,并对渲染后的人脸采用感知细化,能克服极端光照条件带来的困难,生成高分辨率的标准化、中性表情的人脸,然而不完善的训练数据会使该模型难以从肤色中完全分离光照信息,光照信息和表情信息不能与人脸完全解耦.除了人脸重建领域,近年来GAN也被应用于虚拟着装领域[46 -47 ] ,用于模拟具有不同拓扑的服装,通过设计映射网络将服装定位到不同的人体模型上. ...
A volumetric method for building complex models from ange images
3
1996
... 基于体素的虚拟人构建方法能够生成多视角一致的模型,要求具有三维空间体素化操作,以及将三维空间的对象进行二维投影操作,图像重构的结果具有与原图一致的纹理和分辨率.理想状态下的体素重构算法应具有范围不确定性表示、增量和顺序的独立更新、一定的时空效率、无限制的拓扑类型4种理想属性[48 ] .早期的基于体素的重建方法依赖3D扫描数据[48 ,49 ,50 ] ,对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
... [48 ,49 ,50 ],对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
... 其中,SDF和定向距离场核心都是通过体积场表示物体表面的,计算场中的点到物体表面的最短距离,距离在物体表面上为0,在物体内部为负,外部为正.为了提高表示效率,DeepSDF[61 ] 结合MLP实现一个连续的SDF表示形状,是如今常用的隐式表示之一.SDF被广泛用于非刚性重建领域[48 ] ,经过MLP的优化更有效执行非刚性的重建和变形跟踪任务[62 ] ,其变体也能为多模态的三维重建任务提供强大的先验知识[63 ] .而CSE用于为2D图像中每个像素预测物体网格中相应顶点的嵌入向量,将其与3D对象几何建立密集对应关系. ...
KinectFusion:real-time 3D reconstruction and interaction using a moving depth camera
1
2011
... 基于体素的虚拟人构建方法能够生成多视角一致的模型,要求具有三维空间体素化操作,以及将三维空间的对象进行二维投影操作,图像重构的结果具有与原图一致的纹理和分辨率.理想状态下的体素重构算法应具有范围不确定性表示、增量和顺序的独立更新、一定的时空效率、无限制的拓扑类型4种理想属性[48 ] .早期的基于体素的重建方法依赖3D扫描数据[48 ,49 ,50 ] ,对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
BundleFusion:real-time globally consistent 3D reconstruction using onthe-fly surface reintegration
1
2017
... 基于体素的虚拟人构建方法能够生成多视角一致的模型,要求具有三维空间体素化操作,以及将三维空间的对象进行二维投影操作,图像重构的结果具有与原图一致的纹理和分辨率.理想状态下的体素重构算法应具有范围不确定性表示、增量和顺序的独立更新、一定的时空效率、无限制的拓扑类型4种理想属性[48 ] .早期的基于体素的重建方法依赖3D扫描数据[48 ,49 ,50 ] ,对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
DeepVoxels:learning persistent 3D feature embeddings
1
2020
... 基于体素的虚拟人构建方法能够生成多视角一致的模型,要求具有三维空间体素化操作,以及将三维空间的对象进行二维投影操作,图像重构的结果具有与原图一致的纹理和分辨率.理想状态下的体素重构算法应具有范围不确定性表示、增量和顺序的独立更新、一定的时空效率、无限制的拓扑类型4种理想属性[48 ] .早期的基于体素的重建方法依赖3D扫描数据[48 ,49 ,50 ] ,对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
Context modeling in 3D human pose estimation:a unified perspective
1
2021
... 基于体素的虚拟人构建方法能够生成多视角一致的模型,要求具有三维空间体素化操作,以及将三维空间的对象进行二维投影操作,图像重构的结果具有与原图一致的纹理和分辨率.理想状态下的体素重构算法应具有范围不确定性表示、增量和顺序的独立更新、一定的时空效率、无限制的拓扑类型4种理想属性[48 ] .早期的基于体素的重建方法依赖3D扫描数据[48 ,49 ,50 ] ,对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
DeepHuman:3D human reconstruction from a single image
2
2020
... 基于体素的虚拟人构建方法能够生成多视角一致的模型,要求具有三维空间体素化操作,以及将三维空间的对象进行二维投影操作,图像重构的结果具有与原图一致的纹理和分辨率.理想状态下的体素重构算法应具有范围不确定性表示、增量和顺序的独立更新、一定的时空效率、无限制的拓扑类型4种理想属性[48 ] .早期的基于体素的重建方法依赖3D扫描数据[48 ,49 ,50 ] ,对实验设备有一定的要求;近年来基于体素的重建工作尝试将体素化概念嵌入重建过程.Deep Voxels[51 ] 先提取源图片的2D特征,引入体素表示一种固定视点的3D特征网格,将2D特征提升到3D空间观察并集成到特征网格中,依次进行3D空间推理和2D特征合成,特点在于无须3D监督学习.参考文献[52 ]收集所有体素的“上下文”关键特征信息来更新当前体素中的关节点特征,约束肢体长度,实现从单张图像估计3 D姿势.Deep Human[53 ] 将人体参数化模型体素化,提出一个图像引导的体积到体积转换网络,使用多尺度体积变换结合3D体积和2D图像的知识. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Neural volumes:learning dynamic renderable volumes from images
3
2019
... 存储3D空间点信息意味着高成本的内存,提高精度就会大幅增加计算耗时.因此一个可行的基于体素的构建方法要解决如何将图片缩放到更高分辨率的问题,以处理更精细的细节,如皱纹之类.为了规避内存限制的低分辨率问题,Deep Voxels采用局部分辨率换空间策略,但这也意味着牺牲了数据利用率,存在细节丢失的问题 .Neural Volumes[54 ] 提出warping fields,将存储空间尽可能分配给对合成图片贡献更大的区域.但是要想达到传统纹理网格表面实现的保真度,还需要进一步改进. ...
... 虚拟人合成技术定量比较
方法 种类 IS FID LPIPS SSIM PSNR People Snapshot (one shot)[87 ] StylePeople[76 ] 网格-图像 1.7469[76 ] 272.1[76 ] 0.0836[76 ] 0.9012[76 ] - LWGAN [75 ] 图像 1.7159[76 ] 1771.9[76 ] 0.2727[76 ] 0.2876[76 ] - 360Degree [91 ] 网格 1.8643[76 ] 1383.1[76 ] 0.2123[76 ] 0.8079[76 ] - 短多目RGB视频序列[78 ] DA [78 ] 体素-隐式 - - 0.06[78 ] 0.95[78 ] 26.85[78 ] FOMM [92 ] 图像 - - 0.16[78 ] 0.91[78 ] 23.77[78 ] DVP [93 ] 图像 - - 0.10[78 ] 0.93[78 ] 25.67[78 ] ZJU-MoCap[82 ] SANeRF[74 ] 网格-隐式 - - - 0.902[74 ] 24.42[74 ] NB [82 ] 网格-隐式 - - 0.0762[94 ] 0.885[74 ] 23.49[74 ] NV [54 ] 体素 - - 0.0999[94 ] 0.821[74 ] 21.39[74 ] NeRF[16 ] 隐式 - - - 0.885[74 ] 23.41[74 ] Market-1501[83 ] VU-Net [95 ] 图像 3.214[3 ] 20.144[96 ] - 0.353[3 ] - DGANs [97 ] 图像 3.185[3 ] 25.364[3 ] - 0.290[3 ] - PSG [98 ] 图像 3.750[3 ] 16.742[3 ] - 0.732[3 ] - PPAT [99 ] 图像 3.323[3 ] 22.657[96 ] - 0.311[3 ] - Human[85 ] TBN [100 ] 图像 - 52.262[85 ] 0.080[85 ] - - pixelNeRF[101 ] 图像-隐式 - 61.453[85 ] 0.068[85 ] - - STATE [85 ] 图像 - 57.055[85 ] 0.068[85 ] - -
10.11959/j.issn.2096-0271.2022081.T003 表3 虚拟人合成具体算法性能定性比较 ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Occupancy networks:learning 3D reconstruction in function space
1
2020
... 隐式表示直观来说是定义一个连续的三维空间标量函数表示曲面,近年来可以结合神经网络进行场景的隐式表示.在虚拟形象合成领域,隐函数借助上下文内容提供的局部特征信息,推断出整体形状信息[55 ,56 ,57 ] ,神经辐射场常用于多视图合成.与体素表示方法相比,基于隐式表示方法的内存效率更高;对比基于图像的表示方法,隐式表示方法还可以推理出不宜观察的区域颜色. ...
DeepSDF:learning continuous signed distance functions for shape representation
1
2020
... 隐式表示直观来说是定义一个连续的三维空间标量函数表示曲面,近年来可以结合神经网络进行场景的隐式表示.在虚拟形象合成领域,隐函数借助上下文内容提供的局部特征信息,推断出整体形状信息[55 ,56 ,57 ] ,神经辐射场常用于多视图合成.与体素表示方法相比,基于隐式表示方法的内存效率更高;对比基于图像的表示方法,隐式表示方法还可以推理出不宜观察的区域颜色. ...
Learning implicit fields for generative shape modeling
1
2020
... 隐式表示直观来说是定义一个连续的三维空间标量函数表示曲面,近年来可以结合神经网络进行场景的隐式表示.在虚拟形象合成领域,隐函数借助上下文内容提供的局部特征信息,推断出整体形状信息[55 ,56 ,57 ] ,神经辐射场常用于多视图合成.与体素表示方法相比,基于隐式表示方法的内存效率更高;对比基于图像的表示方法,隐式表示方法还可以推理出不宜观察的区域颜色. ...
Scene representation networks:continuous 3D-structureaware neural scene representations
1
2019
... TextureFields[9 ] 提出一个基于回归的神经网络参数化的连续3D函数表示纹理场,独立于3D对象的形状表示,学习将示例图的纹理转 移到源网格以合成新视图.SRNs[58 ] 提出一个连续的、3D结构感知的场景表示,能够通过学习的定向距离场定义表面,无须3D监督条件下对3D场景的几何和外观建模,并保持多视图一致.BANMo[59 ] 利用隐函数隐式表示物体,结合NeRF的概念通过MLP网络给出3D空间点的颜色、体密度和训练所得的规范嵌入.规范嵌入用于对3D空间点的语义信息进行编码,注册不同时间示例中的像素观察值,其中应用MLP计算点到表面的定向距离函数(signed distance function,SDF)给出3D形状,用连续表面嵌入(continuous surfac e embeddings, CSE)[60 ] 初始化像素嵌入,生成像素对应的特征.与SMPL建立的可参数化模型相比,BANMo所需的数据量更小;与NeRF相比,BANMo更适用于表示物体更大幅度的运动. ...
BANMo:building animatable 3D neural models from many casual videos
2
2022
... TextureFields[9 ] 提出一个基于回归的神经网络参数化的连续3D函数表示纹理场,独立于3D对象的形状表示,学习将示例图的纹理转 移到源网格以合成新视图.SRNs[58 ] 提出一个连续的、3D结构感知的场景表示,能够通过学习的定向距离场定义表面,无须3D监督条件下对3D场景的几何和外观建模,并保持多视图一致.BANMo[59 ] 利用隐函数隐式表示物体,结合NeRF的概念通过MLP网络给出3D空间点的颜色、体密度和训练所得的规范嵌入.规范嵌入用于对3D空间点的语义信息进行编码,注册不同时间示例中的像素观察值,其中应用MLP计算点到表面的定向距离函数(signed distance function,SDF)给出3D形状,用连续表面嵌入(continuous surfac e embeddings, CSE)[60 ] 初始化像素嵌入,生成像素对应的特征.与SMPL建立的可参数化模型相比,BANMo所需的数据量更小;与NeRF相比,BANMo更适用于表示物体更大幅度的运动. ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Continuous surface embeddings
1
2020
... TextureFields[9 ] 提出一个基于回归的神经网络参数化的连续3D函数表示纹理场,独立于3D对象的形状表示,学习将示例图的纹理转 移到源网格以合成新视图.SRNs[58 ] 提出一个连续的、3D结构感知的场景表示,能够通过学习的定向距离场定义表面,无须3D监督条件下对3D场景的几何和外观建模,并保持多视图一致.BANMo[59 ] 利用隐函数隐式表示物体,结合NeRF的概念通过MLP网络给出3D空间点的颜色、体密度和训练所得的规范嵌入.规范嵌入用于对3D空间点的语义信息进行编码,注册不同时间示例中的像素观察值,其中应用MLP计算点到表面的定向距离函数(signed distance function,SDF)给出3D形状,用连续表面嵌入(continuous surfac e embeddings, CSE)[60 ] 初始化像素嵌入,生成像素对应的特征.与SMPL建立的可参数化模型相比,BANMo所需的数据量更小;与NeRF相比,BANMo更适用于表示物体更大幅度的运动. ...
DeepSDF:learning continuous signed distance functions for shape representation
1
2020
... 其中,SDF和定向距离场核心都是通过体积场表示物体表面的,计算场中的点到物体表面的最短距离,距离在物体表面上为0,在物体内部为负,外部为正.为了提高表示效率,DeepSDF[61 ] 结合MLP实现一个连续的SDF表示形状,是如今常用的隐式表示之一.SDF被广泛用于非刚性重建领域[48 ] ,经过MLP的优化更有效执行非刚性的重建和变形跟踪任务[62 ] ,其变体也能为多模态的三维重建任务提供强大的先验知识[63 ] .而CSE用于为2D图像中每个像素预测物体网格中相应顶点的嵌入向量,将其与3D对象几何建立密集对应关系. ...
Neural deformation graphs for globally-consistent non-rigid reconstruction
1
2021
... 其中,SDF和定向距离场核心都是通过体积场表示物体表面的,计算场中的点到物体表面的最短距离,距离在物体表面上为0,在物体内部为负,外部为正.为了提高表示效率,DeepSDF[61 ] 结合MLP实现一个连续的SDF表示形状,是如今常用的隐式表示之一.SDF被广泛用于非刚性重建领域[48 ] ,经过MLP的优化更有效执行非刚性的重建和变形跟踪任务[62 ] ,其变体也能为多模态的三维重建任务提供强大的先验知识[63 ] .而CSE用于为2D图像中每个像素预测物体网格中相应顶点的嵌入向量,将其与3D对象几何建立密集对应关系. ...
AutoSDF:shape priors for 3D completion,reconstruction and generation
1
2022
... 其中,SDF和定向距离场核心都是通过体积场表示物体表面的,计算场中的点到物体表面的最短距离,距离在物体表面上为0,在物体内部为负,外部为正.为了提高表示效率,DeepSDF[61 ] 结合MLP实现一个连续的SDF表示形状,是如今常用的隐式表示之一.SDF被广泛用于非刚性重建领域[48 ] ,经过MLP的优化更有效执行非刚性的重建和变形跟踪任务[62 ] ,其变体也能为多模态的三维重建任务提供强大的先验知识[63 ] .而CSE用于为2D图像中每个像素预测物体网格中相应顶点的嵌入向量,将其与3D对象几何建立密集对应关系. ...
PIFu:pixel-aligned implicit function for high-resolution clothed human digitization
1
2020
... PIFu[64 ] /PIFuHD[65 ] 提出一个局部对齐2D图像像素对齐隐式函数,与其他隐式表示方法相比,PIFu更关注像素级的特征,保持输出图像的对齐.简单来说,该隐函数对于任意一个3D顶点,根据相机参数进行投影,获得对应的2D位置信息以及深度信息,同时学习该点的特征向量以保留局部细节,同时进行不可视区域的信息推理.其将表面表示为一个水平集,如式(4)所示: ...
PIFuHD:multi-level pixel-aligned implicit function for high-resolution 3D human digitization
2
2020
... PIFu[64 ] /PIFuHD[65 ] 提出一个局部对齐2D图像像素对齐隐式函数,与其他隐式表示方法相比,PIFu更关注像素级的特征,保持输出图像的对齐.简单来说,该隐函数对于任意一个3D顶点,根据相机参数进行投影,获得对应的2D位置信息以及深度信息,同时学习该点的特征向量以保留局部细节,同时进行不可视区域的信息推理.其将表面表示为一个水平集,如式(4)所示: ...
... 虚拟人合成具体算法性能定性比较
方法 种类 目标部位 是否使用时间信息 保真度 泛化性 SMPL[21 ] 网格 身体 否 低 低 H4D[24 ] 网格 身体 是 中 中 GANFit[41 ] 图像 身体 否 中 低 NA[45 ] 图像 头部 否 中 低 Deep Human[53 ] 体素 身体 否 低 中 NV[54 ] 体素 头部 是 中 中 PIFuHD[65 ] 隐函数 身体 否 高 低 BANMo[59 ] 隐函数 身体 是 高 高 SCANImate[71 ] 网格-隐函数 身体 否 中 中 ICON[72 ] 网格-隐函数 身体 否 中 中 SANeRF[74 ] 网格-隐函数 身体 否 低 高 StylePeople[76 ] 网格-图像 身体 是 高 中 LWGAN[75 ] 网格-图像 身体 是 中 中 DA[78 ] 体素-隐函数 头部 是 高 中 PVA[77 ] 体素-隐函数 头部 否 高 低 S3[81 ] 网格-体素-隐函数 身体 是 高 高 PaMIR[79 ] 网格-体素-隐函数 身体 否 高 低
服务型虚拟人的一类常见应用是虚拟主播,常见于新闻播报、直播带货等场景.虚拟主播系统结合了语音合成、人像建模、形象驱动等多种技术,能够实现从文本到语音和视频的转化.国内代表性的工作有PaddleBoBo、讯飞的AI虚拟主播系统,支持用户通过图像和文本快速定制形象属性,生成虚拟主播视频.其中PaddleBoBo是基于深度学习框架PaddlePaddle 开发的一个开源项目,在人像建模方面应用了PaddleGAN技术完成表情迁移、唇形合成等任务,以驱动虚拟人的面部活动. ...
Virtual dressing using augmented reality
1
2021
... 其中,对于一个3D点X, x = π ( X ) 是对应的2D投影,z(X)表示相机坐标空间的深度值, F ( x ) = g ( I ( x ) ) 表示2D投影点x的特征.因此表面信息的保存不需显式的存储空间,提高了内存利用率.PIFu可以被拓展到多图像、多视角的输入,给出完整的、高分辨率的3D模型的表面和纹理,能有效执行复杂的着装人体建模任务[66 ] . ...
MVPhuman dataset for 3D human avatar reconstruction from unconstrained frames
1
2022
... 基于隐式表示的方法对现实生活中的遮挡问题有具体的解决方案,这对隐函数的推理能力提出更高的要求.而且对于形状的隐式表示受限于缺乏网格拓扑、骨架和蒙皮权重等结构信息而无法展现新的姿势,只能从固定视点去控制着装化 身的身体形状.对此MVP-Human[67 ] 借助3D扫描等技术获取三维信息;BANMo结合神经蒙皮模型,利用显式3D高斯椭球体随骨骼移动以调整权重,从而展现大范围的铰接变换;并且结合NeRF进 行多视图合成,展现新的视角.而NASA[6 8] 则提出一种以姿势为条件的隐式占用函数替代多边形人体网格,用于表示铰接可变形 的人体对象.针对单视图人脸重建,JIFF[69 ] 采用了3DMM提供的形状先验,结合空间对齐的三维特征和像素对齐的二维特征,共同预测隐式人脸函数,以改善隐函数在人脸重建应用中的质量. ...