论文标题：Learning Compositional Radiance Fields of Dynamic Human Heads 论文链接：https://arxiv.org/abs/2012.09955 主页链接: https://ziyanw1.github.io/hybrid_nerf/ 作者单位：CMU, Facebook 本方法可合成新颖的unseen的表情，获得了用于合成3D动态人体头部和上半身的新颖视角的最新结果，性能优于NeRF、NV等网络。

动态人物的真实感渲染是远程呈现系统，虚拟购物，合成数据生成等的一项重要功能。最近，结合了计算机图形学和机器学习技术的神经渲染方法已经创建了人类和物体的高保真模型。对于可驱动的人体模型（神经体积），其中一些方法无法产生足够高的保真度，而另一些方法的渲染时间却非常长（NeRF）。我们提出了一种新颖的合成3D表示形式，它结合了以前的最佳方法，可以产生更高的分辨率和更快的结果。我们的表示法通过结合一个粗略的3D结构感知动画代码网格和一个连续学习的场景函数来弥合离散和连续体积表示法之间的鸿沟，该场景函数将每个位置及其对应的本地动画代码映射到其与视图相关的发射辐射度和本地体积密度。可微分的体积渲染用于计算人头和上半身的逼真的新颖视图，以及仅使用2D监督就可以端对端地训练我们新颖的表示形式。此外，我们表明，可以将学习到的动态辐射场用于基于全局动画代码合成新颖的unseen的表情。我们的方法获得了用于合成动态人体头部和上半身的新颖视角的最新结果

内容中包含的图片若涉及版权问题，请及时与我们联系删除