Nvidia推出GAvatar技术：生成可动画的3D高斯头像
Nvidia 推出一项新技术：GAvatar，这是一种能够生成可动画的3D高斯头像，并采用了隐式网格学习技术。
高斯分割技术作为一种先进的 3D 表现形式，它巧妙地结合了显式（即网格形式）和隐式（如神经辐射场，NeRF）的 3D 表示优点。
在这项研究中，利用高斯分割技术，通过文本描述来创造出栩栩如生的可动画头像，这一过程克服了传统网格或基于 NeRF 表示的种种限制，如灵活性和效率不足。
然而，简单地应用高斯分割技术并不能制作出高质量的可动画头像，这种方法在学习过程中稳定性不足，难以捕捉细致的头像几何形状，常常导致身体部分形态不佳。为解决这些难题，Nvidia 提出了一种基于原始形状的 3D 高斯表示法，这种方法通过在姿势驱动的基础形状内定义高斯分布来便于动画制作。接着，为了稳定地并高效地学习数以百万计的高斯数据，Nvidia 采用神经隐式场预测高斯的各种属性（比如颜色）。
最后，为了更好地捕捉细致的头像几何结构并提取精细网格，Nvidia 提出了一种全新的、针对 3D 高斯的基于有向距离场（SDF）的隐式网格学习方法。这种方法不仅规范了几何结构，而且能够提取高度详细的纹理网格。我们的这种方法，GAvatar，使得仅用文本提示就可以生成大量多样化的可动画头像成为可能。
在外观和几何质量上，GAvatar 明显优于现有技术，并能在 1K 分辨率下达到令人印象深刻的渲染速度——每秒 100 帧。找有价值的信息，请记住Byteclicks.com
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/54975.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
