GraphAvatar框架利用图神经网络GNN实现高保真Avatar渲染
大大减少了存储开销，仅为10MB
（映维网Nweon 2025年05月09日）从任意视点绘制逼真的Avatar对于虚拟现实等各种应用至关重要。尽管基于神经辐射场NeRF的方法可以取得令人印象深刻的结果，但它们缺乏保真度和效率。另一方面，使用3DGS的方法提高了渲染质量和实时性能，但依然需要大量的存储开销。
在一项研究中，中国科学院，中国科学院大学和英特尔团队介绍了一种名为GraphAvatar的方法，利用图神经网络GNN为Avatar生成3D高斯分布。具体来说，GraphAvatar训练一个几何GNN和一个外观GNN来从追踪网格中生成3D高斯属性。
所述，这一方法可以存储GNN模型而不是3D高斯模型，从而大大减少了存储开销，仅为10MB。
为了减少人脸追踪误差的影响，研究人员同时提出了一种新的图形引导优化模块来优化训练过程中的人脸旨在参数。最后，他们引入了3D感知增强器进行后期处理，以提高渲染质量。团队进行了全面的实验来证明GraphAvatar在视觉保真度和存储消耗方面超越现有方法的优势。消融研究则揭示了渲染质量和模型大小之间的权衡。
......（全文 1353 字，剩余 978 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
