本文来聊一聊一种新颖的3D 建模技术 ——GGHead。这个技术由慕尼黑工业大学的 Tobias Kirschstein 等人研发,能够在超快的速度下生成高质量、视角一致的3D 人头模型。
想象一下,使用普通的消费级 GPU,GGHead 可以实时生成和渲染分辨率达到1024² 的3D 头部图像,这在以往是难以实现的。
GGHead 的核心在于它采用了一种叫做 “3D 高斯点云” 的表示方式,结合了3D 生成对抗网络(GAN)的优势。它通过一个强大的2D 卷积神经网络(CNN)来预测模板头部网格在 UV 空间中的高斯属性。这样,GGHead 就可以充分利用模板的 UV 布局规律,解决生成非结构化3D 高斯点云的复杂性。
值得一提的是,GGHead 在生成过程中引入了一种新的 “全变差损失” 技术,这种方法有助于提升生成3D 模型的几何精度。简单来说,它确保渲染出来的相邻像素来源于 UV 空间中相近的高斯点,这样能够提升图像的质量和角色一致性。
与现有的3D GAN 技术相比,GGHead 不仅生成的图像质量上佳,而且在速度上也大幅提升,解决了之前高分辨率样本生成慢的问题。通过仅使用单视角2D 图像,GGHead 成功实现了高效的3D 头部生成。
GGHead 的出现让3D 建模的门槛降低了许多,它能够快速且一致地生成高质量的3D 人头模型,为未来的人类建模研究开辟了新的可能性。
项目入口:https://tobias-kirschstein.github.io/gghead/
划重点:
🌟 GGHead 可以在普通 GPU 上实时生成高分辨率的3D 人头模型。
💡 该技术利用3D 高斯点云表示和2D CNN 生成高斯属性,确保建模效率。
🔧 引入 “全变差损失” 技术提升几何精度,保证图像质量和一致性。