竞技宝官网app·逼真到恐怖小姐姐挤眼挑眉五官乱飞3D化身全新算法秒杀谷歌

　　【新智元导读】谁能想到，某天和你聊天的那个人竟是一个AI。来自TUM等研究人员提出了一种全新算法NPGA，能够生成高保线D头像，表情逼真到让你怀疑自己的眼睛。

　　如此厉害的3D头像生成，完全不输小扎此前带着Quest 3 Pro做客「元宇宙」播客的逼真数字化身。

　　最近，来自德国慕尼黑工业大学、伦敦大学学院等研究团队提出了全新算法——NPGA，可生成高质量3D头像。

　　而NPGA的创新在于，采用了高斯点云的方式，即通过无数个点组成3D人像形状，让渲染更加高效、逼真。

　　另外，研究的另一个创新在于，利用了神经网络模型——「神经参数化头模型」（NPHM）来捕捉人脸细微表情的变化，由此3D数字化身可以更真实模拟人类表情。

　　最后，为了增强数字化身的表现力，研究人员还对潜在特征和预测动态提出了「拉普拉斯项」（Laplacian terms）。

　　实验评估结果显示，NPGA比起之前SOTA模型，在自我重现任务中，大约有2.6PSNR提升。

　　这是谷歌团队新提出的ChatDirector算法，按谷歌宣传的线D虚拟头像可以让在线会议更具「沉浸感」

　　虽然视频的效果看起来如此逼真，但其实，从现实世界捕获图像并重建3D头像是一个极具挑战性的课题。既需要计算机视觉（CV）准确的识别功能，也需要计算机图形学（CG）的高保真和实时渲染性能。

　　近年来这两项技术的交叉，让虚拟世界的3D化身越来越逼真。然而，有一个核心问题还没被解决——如何实现控制性。

　　谷歌ChatDirector的视频之所以十分奇怪，主要原因不在画面渲染，而在面部动作和表情的控制性差，说话时嘴动了但其他部位没有动，有「皮笑肉不笑」的感觉。

　　Reddit评论区有网友发问，「我什么时候能看到这个模型的开源版本，这样只需要几张照片就能生成类似的3D化身了？」

　　团队使用的训练集NeRSemble是一个视频数据集，用16个机位拍摄了220多个头部的4700多个高分辨率、高帧率的多视图视频，包含了各种丰富头部运动、情绪、表情和口语。

　　温馨提示，想点进去看示例视频的话可能需要比较强大的心理素质，里面收录的各种夸张表情可以称之为人类抽象行为大赏。

　　a) 以MonoNPHM模型为基础，在NeRSemble数据集上使用COLMAP计算的点云追踪MonoNPHM，从而实现几何精确的模型追踪。

　　b) 提出循环一致性目标来反转MonoNPHM的后向变形场，由此产生的前向变形场可以直接兼容基于光栅化的渲染。

　　c) NPGA由规范高斯点云和MLP组成，包含蒸馏过的先验网络F进行前向变形，以及网络G学习细粒度的动态细节。

　　d) 通过为每个基元（primitive）附加潜在特征，将变形场的输入提升到一个更高维的空间，从而可以更准确地描述每个基元的变形行为。

　　之前的头部重建工作大多会使用3D可形变模型（3D Morphable Model），使用主成分分析（PCA）学习几何图形的表示，将面部识别和表情变化的参数空间分开。

　　尽管3DMM的参数空间足够紧凑，但论文作者认为，其底层的线性本质限制了表达空间能够实现的保真度。

　　论文同时表示，底层表达空间对于虚拟人的质量有至关重要的作用，不仅影响可控性，而且决定细节清晰度的上限。如果底层的表达不充分，很有可能在优化模型时导致过拟合。

　　因此，团队使用了3DMM的改进版——NPHM（Neural Parametric Head Models，神经参数化头部模型），从多视角的图像序列中追踪并提取身份识别的隐向量z_id和表情代码z_exp。

　　比较遗憾的是，这项研究只专注于重建头部，屏蔽了数据集中的躯干部分，因为没有包含在NPHM提取出的z_exp的表达空间内。

　　，虽然它本身是一个静态特征，但可以为每个基元的动态行为提供语义信息，起到了一种类似于位置编码的作用。

　　其中，模型F的训练和使用是这篇文章的核心创新之一。首先让F在NeRSemble数据集中20个人的图像序列上进行训练，之后会将这个网络运用在所有虚拟化身的重建中。

　　基于A_p完成屏幕空间的渲染后，团队还提出使用一个CNN网络提升潜在图像的细节表达，取代了用超分辨率处理。之后的消融实验也证明了CNN对性能提升的有效性。

　　其二是自适应密度控制（Adaptive Density Control），这是3DGS成功的核心因素。使用启发式的方法，在静态场景下，对可能冗余的高斯点云密度进行剪枝处理。

　　有趣的是，GHA_NPHM的性能比GHA稍差，这表明仅使用MonoNPHM表达代码，并不能立即提升性能。

　　相反，研究人员假设如果没有NPHM的运动作为初始化，NPHM的潜在表达分布可能会，提供比BFM的线性混合形状更复杂的训练信号。

　　为了证明算法的现实世界适用性，图6显示了，研究人员利用MonoNPHM的单目RGB，来追踪高保真化身动画。

　　在最后的消融实验中，为了验证NPGA的几个重要组成部分，研究人员通过使用三个受试者进行了消融实验。消融的定量和定性结果分别见表2和图5。

　　如果不利用全高斯特征（Vanilla），3D头像就无法呈现出非常精细的表情，包括眼睛和下齿等复杂区域。

　　此外，实验还证明了，默认的点云密集化策略，会抑制细节的重建，因此使用自适应密度控制（ADC）的策略非常必要。

　　下表说明了，使用正则化策略可以显著缩小训练序列（NVS）和测试序列（自我重现任务）之间的泛化差距。

　　研究人员表示，NPGA创建的虚拟化身的可控性、重建质量，从根本上讲，会受到底层3DMM表达空间的限制。