在3D GAN中朝着高质量和脱而出的面部编辑
概括
NeRFFaceEditing将面部几何形状和外观解在神经辐射场中,以实现高质量,快速的编辑. 这种方法使用三平面统计和语义面具进行独立控制,无需再培训.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 人工智能的人工智能
背景情况:
- 神经辐射场 (NeRFs) 能够实现高质量,快速的3D面部合成.
- 现有的方法难以独立编辑几何和外观,往往需要重新培训.
研究的目的:
- 在预训练的三平面NeRF中引入NeRFFaceEditing用于解的几何和外观编辑.
- 在编辑过程中保持高质量和快速推断速度.
主要方法:
- 使用三平面统计来表示面部体积外观以解.
- 采用3D连续语义面具作为几何编辑的中间体.
- 开发单独的几何形状和外观解码器,并明确规范化解.
主要成果:
- 通过语义面具实现了对面部几何和外观的脱控制.
- 与现有方法相比,证明了优越的几何和外观控制.
- 保持了高质量的染和快速推断速度.
结论:
- NeRFFaceEditing成功地实现了在神经辐射场内独立编辑面部几何和外观.
- 该方法为3D面部操纵任务提供了增强的控制和效率.


