DEGAS：为全息3D头像带来精细表情的新纪元

1、这篇文章做了什么？

在3D头像和虚拟角色的创建领域，实现逼真且具有丰富表情的全息表现一直是一个挑战。尽管神经渲染技术在创建全身体和头部头像方面取得了显著进展，但将精细的表情融入全身头像的工作尚未得到充分探索。本文提出了DEGAS（Detailed Expressions on full-body Gaussian Avatars），这是一种基于3D高斯绘制（3DGS）的方法，用于创建具有丰富面部表情的全身头像。DEGAS通过训练一个条件变分自编码器（cVAE），学习身体动作和面部表情作为驱动信号，生成UV布局中的高斯图。为了驱动面部表情，文章提出了使用仅在2D人像图像上训练的表情潜在空间，而不是通常在3D头部头像中使用的3D形态模型（3DMMs），从而弥合了2D会说话面孔和3D头像之间的差距。利用3DGS的渲染能力和表情潜在空间的丰富表现力，学习到的头像可以重现具有微妙和准确面部表情的照片级真实感图像。

论文题目：DEGAS: Detailed Expressions on Full-Body Gaussian Avatars
论文链接：https://arxiv.org/abs/2408