Surfel-based Gaussian Inverse Rendering for Fast and Relightable Dynamic Human Reconstruction from Monocular Video

本文介绍了基于Surfel的高斯反演角色模型（SGIA）方法，该方法为可重构动态衣着人物角色模型的高效训练和渲染提供了有效的解决方案。SGIA方法通过全面建模基于物理的渲染属性，使得衣着人物角色模型在各种光照条件下都可以进行姿态操作。具体来说，我们的方法通过预积分和基于图像的光照计算，实现了快速光照计算，超越了现有的隐式技术。为了解决材质光照分离和准确几何重建的挑战，我们提出了一种创新的遮挡近似策略和逐步训练方法。大量实验表明，SGIA不仅实现了高度准确的物理属性，而且显著增强了动态人物角色模型的逼真光照效果，提供了实质性的速度优势。我们在项目页面https://GS-IA.github.io中展示了更多结果。

本论文旨在解决单眼视频中可重光动态穿着人体化身的高效准确重建问题，以及在多样化光照条件下对化身进行操作的问题。

本文提出了基于Surfel的高斯逆化身（SGIA）方法，通过综合建模物理渲染属性来实现有效的训练和渲染，进而解决了动态人体重建中的准确几何重建和材质光照分离问题。同时，该方法还引入预积分和基于图像的照明技术，以实现快速的光照计算。

本文的亮点包括：创新性的遮挡近似策略和渐进式训练方法；实验结果表明，SGIA不仅实现了高度准确的物理属性，而且显著提高了动态人体化身的逼真重光效果，同时具有较大的速度优势。此外，该论文还提供了开源代码和数据集，并展示了更多实验结果。

最近在这个领域中，还有一些相关研究，例如：《DeepCap：Monocular Human Performance Capture Using Weak Supervision》、《PIFuHD: Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization》等。