CVPR2022|上科大&腾讯&Meta等新研究，人、物分层渲染，复杂交互场景下可快速重建！
TIP! Right-click and select "Save link as..." to download.
| VIDEOS | |||
| MP4 | N/A | 480P | Download |
| MP4 | N/A | 360P | Download |
| AUDIO | |||
| MP4 | N/A | mp4a.40.2 | Download |
| MP4 | N/A | mp4a.40.2 | Download |
| MP4 | N/A | mp4a.40.2 | Download |
| THUMBNAILS | |||
|
JPEG | Origin Image | Download |
https://www.youtube.com/watch?v=Stvks4rZMF0
人-物交互的4D建模对于许多应用来说至关重要。然而，复杂交互场景（尤其是稀疏输入）的高效体积捕获和渲染仍然具有挑战性。在本文中，我们提出了NeuralHOFusion，这是一种使用稀疏用户RGBD传感器进行体积人体对象捕获和渲染的神经方法。它将传统的非刚性融合与最近的神经隐式建模和混合技术相结合，在这些技术中，捕获的人和对象是分层分离的。对于几何建模，我们提出了一种非刚性关键体积融合的神经隐式推理方案，以及一个模板辅助的鲁棒目标跟踪流程。我们的方案能够在复杂的交互和遮挡下生成详细完整的几何图形。此外，我们还介绍了一种分层的人类对象纹理渲染方案，该方案结合了空间域和时间域中的体积渲染和基于图像的渲染，以获得逼真的照片效果。大量实验证明了我们的方法在复杂人机交互条件下合成照片真实感自由视图结果的有效性和效率。
项目主页：https://nowheretrix.github.io/neuralfusion/
论文链接：https://arxiv.org/abs/2202.12825
人-物交互的4D建模对于许多应用来说至关重要。然而，复杂交互场景（尤其是稀疏输入）的高效体积捕获和渲染仍然具有挑战性。在本文中，我们提出了NeuralHOFusion，这是一种使用稀疏用户RGBD传感器进行体积人体对象捕获和渲染的神经方法。它将传统的非刚性融合与最近的神经隐式建模和混合技术相结合，在这些技术中，捕获的人和对象是分层分离的。对于几何建模，我们提出了一种非刚性关键体积融合的神经隐式推理方案，以及一个模板辅助的鲁棒目标跟踪流程。我们的方案能够在复杂的交互和遮挡下生成详细完整的几何图形。此外，我们还介绍了一种分层的人类对象纹理渲染方案，该方案结合了空间域和时间域中的体积渲染和基于图像的渲染，以获得逼真的照片效果。大量实验证明了我们的方法在复杂人机交互条件下合成照片真实感自由视图结果的有效性和效率。
项目主页：https://nowheretrix.github.io/neuralfusion/
论文链接：https://arxiv.org/abs/2202.12825
Supported Sites
