[pdf | proj | code]

• 本文提出一种基于单图的可驱动虚拟人像重建框架。
• 基于3DMM给粗重建、驱动结果，基于神经辐射场给细粒度平滑结果。

方法

• 给定源图片I_s和目标图片I_t，希望生成图片I_o具有源图片ID和目标图片表情位姿。本文提出三个分支：
  • 规范分支（canonical branch）：生成具有标准表情和位姿的粗3D人像；
  • 外观分支（appearance branch）：捕捉源图像中的外观细节；
  • 表情分支（expression branch）：建模并迁移目标图像的表情；
• 整体框架如下：

• 从消融实验上看，规范tri-plane T_c保留了源图片ID，表情tri-plane T_e保留了目标图像表情，外观tri-plane T_p保留了外观细节。

基于规范分支的粗建模

• 编码器E_c（Fine-tune SegFormer）将源图片I_s映射为tri-plane T_c。
• 通过3DMM对源图像建粗模，渲染具有标准表情和姿态的图像I_neu和掩码M_neu；
• 训练目标是3DMM粗模渲染图像I_neu和T_c渲染图像I_c的L1和LPIPS损失，具体如下：

基于外观分支的细节建模

 

• 通过T_c拿到渲染图像对应的深度图；
• 通过编码器E_p得到源图像的2D特征，每个像素具有32维特征；
• 升维（Lifting）：通过深度图将2D特征反投影至3D；
• 光栅化（Rasterization）：将3D点云转换为tri-plane T_p。对T_p任意平面上的一点，计算其最近的点云，并将该点云特征赋值给平面上一点。

基于表情分支的表情建模

• 基于源图像的3DMM粗模 + 目标图像的表情，渲染得到正面视角图像I_exp。
• 通过编码器E_e，得到表情tri-plane T_e

训练

• 两阶段训练，第一阶段不包括超分模块，使用重建损失训练：

• 第二阶段冻结其他部分，fine-tune超分模块，使用第一阶段损失和对抗损失。

实验