हाल ही में, बाइटडांस और शंघाई विज्ञान और प्रौद्योगिकी विश्वविद्यालय के शोधकर्ताओं ने "HeadGAP" नामक एक शोध विकसित किया है, जिसने सभी का ध्यान आकर्षित किया है। शोध टीम ने एक नई विधि प्रस्तुत की है, जिसके द्वारा केवल तीन अलग-अलग दृष्टिकोणों की तस्वीरों के माध्यम से, तेजी से उच्च यथार्थवादी, एनिमेटेड 3D वर्चुअल मानव सिर की छवि बनाई जा सकती है, और यह संदर्भ वीडियो के अनुसार चेहरे के भावों का समन्वय भी कर सकती है।。
शोध टीम ने वास्तविक परिदृश्यों में दिखाया कि कैसे थोड़े से डेटा के माध्यम से व्यक्तिगत अवतार निर्माण किया जा सकता है। इस शोध में, शोधकर्ताओं ने पहले "पूर्व ज्ञान अधिग्रहण" नामक एक चरण किया। इस चरण में, उन्होंने एक बड़े मल्टी-व्यू डायनामिक डेटा सेट से 3D सिर की पूर्व जानकारी निकाली। यह पूर्व जानकारी प्रणाली को विभिन्न सिर की विशेषताओं और अभिव्यक्तियों को समझने में मदद करती है। फिर, "अवतार निर्माण" चरण में, शोधकर्ताओं ने इन पूर्व जानकारियों का उपयोग करके व्यक्तिगत अनुकूलन किया और लक्ष्य व्यक्ति का वर्चुअल अवतार उत्पन्न किया।
पूरा प्रक्रिया एक गॉसियन पॉइंट क्लाउड आधारित आत्म-डिकोडिंग नेटवर्क का उपयोग करती है, जो कुछ डायनामिक मॉडलिंग के साथ मिलकर काम करती है। इस तरीके से, प्रणाली प्रत्येक व्यक्ति की विशिष्टता को तेजी से पकड़ने में सक्षम होती है और इसके आधार पर अवतार के व्यक्तिगत अनुकूलन को करती है। टीम ने कुछ तकनीकी उपायों का भी उपयोग किया, जैसे कि रिवर्सिंग और फाइन-ट्यूनिंग रणनीतियाँ, जिससे अवतार के व्यक्तिगतकरण की प्रक्रिया अधिक प्रभावी हो गई, और अंततः फोटो स्तर के रेंडरिंग प्रभाव और मल्टी-व्यू सुसंगतता को सफलतापूर्वक प्राप्त किया।
परीक्षण में, शोध टीम ने विभिन्न परिदृश्यों में अपनी विधि के प्रदर्शन को प्रदर्शित किया, परिणाम दिखाते हैं कि नियंत्रण वातावरण में या वास्तविक वातावरण में, उत्पन्न 3D अवतार उच्च गुणवत्ता और स्थिर एनिमेशन प्रभाव बनाए रखता है। यह परिणाम न केवल वर्चुअल सोशल, गेम डेवलपमेंट आदि क्षेत्रों में व्यापक अनुप्रयोग संभावनाएँ रखता है, बल्कि 3D अवतार के व्यक्तिगत निर्माण के लिए नए विचारों और विधियों को भी प्रदान करता है।
उत्पाद का प्रवेश द्वार: https://top.aibase.com/tool/headgap
मुख्य बिंदु:
🎨 शोध टीम ने "HeadGAP" विधि के माध्यम से, केवल कुछ तस्वीरों की मदद से यथार्थवादी 3D सिर के वर्चुअल छवि का निर्माण किया।
🚀 यह विधि गॉसियन पॉइंट नेटवर्क और डायनामिक मॉडलिंग तकनीक का उपयोग करती है, जिससे अवतार का व्यक्तिगत अनुकूलन और ऑप्टिमाइजेशन संभव होता है।
🖼️ प्रयोगात्मक परिणाम दिखाते हैं कि उत्पन्न अवतार रेंडरिंग गुणवत्ता और एनिमेशन प्रदर्शन में अत्यधिक उत्कृष्ट हैं, जो विभिन्न अनुप्रयोग परिदृश्यों के लिए उपयुक्त हैं।
