斯坦福大学等团队提出生成人体可编辑辐射场3D感知GAN框架

查看引用/信息源请点击:映维网Nweon

美国斯坦福大学,荷兰代尔夫特理工大学,以及加拿大多伦多大学

映维网Nweon 2022年12月06日)使用非结构化单视图图像的大规模数据集对3D感知生成对抗网络(GAN)进行无监督学习是一个新兴的研究领域。最近,业界证明这种3D GAN能够实现照片真实感和多视图一致的人脸辐射场生成代。

但所述方法尚未证明对身体有效。一个原因是,由于身体的关节铰接与面部相比多样性明显更高,所以学习身体姿势分布更具挑战性。然而,照片真实感人类的生成3D模型在视觉效果、计算机视觉、虚拟现实/增强现实等广泛应用中具有重要的实用价值。在相关场景中,生成的人体必须可编辑,从而支持交互式应用程序。

现有的3D GAN并不一定支持。尽管线性混合蒙皮的变体已可用于阐明单个场景的辐射场,但尚不清楚如何将这种变形方法有效地应用于生成模型。

在名为《Generative Neural Articulated Radiance Fields》的研究中,由美国斯坦福大学,荷兰代尔夫特理工大学,以及加拿大多伦多大学组成的团队提出了一个生成神经铰接辐射场GNARF。

......(全文 3236 字,剩余 2862 字)


请微信扫码通过小程序阅读完整文章
或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限

本文链接https://news.nweon.com/103163
转载须知:转载摘编需注明来源映维网并保留本文链接
素材版权:除额外说明,文章所用图片、视频均来自文章关联个人、企业实体等提供
QQ交流群苹果Vision  |  Meta Quest  |  微软HoloLens  |  AR/VR开发者  |  映维粉丝读者
资讯