单图生成可动画3D头像！SInGA用语义修复补全未观测区域，无需逐人优化
Learning Semantic Inpainting for Animatable Gaussian Head Avatars
📖 AI 总结
该论文提出SInGA方法，旨在从单张图像学习可动画的高斯头部化身。针对现有方法依赖多视角观测、难以处理单视图下未观测区域的问题，作者在UV空间中构建语义修复框架，利用UV表示的结构化拓扑提供一致的空间对应关系，并借助人脸固有的对称性线索，从已观测区域提取特征来补全未观测的面部区域，进而回归高斯属性，实现高斯修复。此外，方法在每个表面或像素位置堆叠多个高斯以增强细节表现。所得化身无需针对单个身份进行优化即可跨身份泛化，并可通过驱动输入实现动画。实验表明，该方法生成的头部化身质量高、完整性和身份保持性更好，同时支持逼真动画及未观测视角下的一致渲染，为单视图头部化身建模提供了新思路。
🔑 关键词速览
| SInGA | 本文提出的方法，即从单张图像学习语义修复以生成可动画高斯头部化身。 |
| Gaussian Head Avatars | 使用3D高斯表示来建模和渲染的头部化身，支持动画和视角合成。 |
| Semantic Inpainting | 在语义层面补全图像或表示中缺失或未观测的区域，使其内容合理且一致。 |
| UV Space | 一种将3D表面参数化到2D平面的表示方法，常用于纹理映射和几何处理，具有结构化拓扑。 |
| Gaussian Attributes | 3D高斯分布中定义其外观和几何特性的参数，如位置、协方差、颜色和不透明度。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅