逼真到頭發(fā)絲，光線可調(diào)，Meta推出實時3D頭像合成方法

Meta 一直沒放棄元宇宙。

2021 年，F(xiàn)acebook 將「元宇宙（metaverse）」作為公司主營業(yè)務(wù)，并將公司名稱更改為 Meta。然而，這一年，隨著 ChatGPT 的橫空出世，生成式 AI 成為一個新的研究趨勢，很多科技公司都將生成式 AI 作為公司重要研發(fā)業(yè)務(wù)。但 Meta 一直沒有停止 VR/AR 的研究步伐。

最近，Meta 的 Codec Avatars Lab 提出了一種高保真、光線可調(diào)節(jié)的虛擬頭像合成方法 ——Relightable Gaussian Codec Avatars。

論文地址：https://arxiv.org/pdf/2312.03704.pdf

項目主頁：https://shunsukesaito.github.io/rgca/

今年 9 月，Meta 首席執(zhí)行官馬克?扎克伯格與麻省理工學(xué)院（MIT）科學(xué)家 Lex Fridman 在元宇宙里進行了一小時的對話。彼時，兩位的形象是使用掃描技術(shù)構(gòu)建的用戶面部 3D 模型，逼真度已經(jīng)很高。

現(xiàn)在，Relightable Gaussian Codec Avatars 能夠構(gòu)建更加逼真、光線可調(diào)節(jié)的實時 3D 頭像，精細到連頭發(fā)絲都清晰可見：

下面我們來看下 Relightable Gaussian Codec Avatars 方法的核心內(nèi)容和實驗結(jié)果。

方法簡介

我們知道，人類的視覺感知對人臉外觀高度敏感，因此合成 3D 頭像 / 虛擬化身（avatar）一直存在一些挑戰(zhàn)。

首先，人類頭部由高度復(fù)雜和多樣化的材料組成，這些材料表現(xiàn)出不同的散射和反射特性。例如，皮膚由于微觀幾何形狀以及顯著的次表面散射而產(chǎn)生復(fù)雜的反射，頭發(fā)由于其半透明纖維結(jié)構(gòu)而表現(xiàn)出具有多次反射的面外散射，而眼睛有多個具有高反射膜的層?？偟膩碚f，沒有一種單一的材料表征可以準確地表示所有這些，尤其是實時的。

為了以統(tǒng)一的方式表征人體頭部的多種材質(zhì)，該研究提出了一種基于可學(xué)習(xí)輻射傳輸（radiance transfer）的新型可重新照明外觀模型，使用球面高斯實現(xiàn)了全頻率反射的實時重新照明。

另一方面，對運動中的底層幾何體進行精確跟蹤和建模極具挑戰(zhàn)性。為此，該研究提出基于 3D 高斯的可驅(qū)動化身，使用 Gaussian Splatting 技術(shù)有效地渲染復(fù)雜的幾何細節(jié)。

此外，該研究還提出了可重新照明的顯式眼睛模型，首次以完全數(shù)據(jù)驅(qū)動的方式實現(xiàn)對其他面部運動以及全頻率眼部反射的注視控制，并進一步提高了眼睛反射的保真度。

最終，Relightable Gaussian Codec Avatars 可以捕獲 3D 一致的亞毫米細節(jié)，例如動態(tài)面部序列上的發(fā)絲和毛孔。

實驗及結(jié)果

上圖 1 顯示了重建的虛擬人物可以擁有新的表情、視圖以及光照，包括點光源和高分辨率環(huán)境圖。就連眼睛中的光反射，都忠實地再現(xiàn)了周圍環(huán)境，而不會丟失高頻細節(jié)。

如圖 3 所示，Relightable Gaussian Codec Avatars方法能夠?qū)崿F(xiàn) 3D 一致且高保真的內(nèi)部分解。

幾何表征。該研究通過比較三種變體來評估幾何組件：本文方法、本文方法但排除了顯式眼睛模型（EEM）和基于體素的原型。為了公平比較，該研究使用相同的外觀模型，僅改變幾何表征（表 1 和表 2 B、D、H）。

圖 4 清楚地表明，基于 3D 高斯的幾何體可以比 MVP 更好地建模皮膚細節(jié)和發(fā)絲。此外，完整的模型與 EEM 結(jié)合使用時，眼睛里的反光都非常令人折服。除了在強光下的 SSIM 指標外，高斯模型在所有指標中都取得了優(yōu)異的性能。

外觀表征。對于外觀表征，該研究將外觀模型與現(xiàn)有的 relightable 外觀表征進行了比較。如上表 1 和表 2 C、D、E 顯示，本文的外觀表征在大多數(shù)指標中優(yōu)于現(xiàn)有的外觀模型。

如圖 5 所示，雖然線性模型可以產(chǎn)生正確的顏色，但 relighting 的結(jié)果模糊且缺乏高頻細節(jié)。EyeNeRF 中與視圖相關(guān)的球諧函數(shù)顯示出更詳細的反射，但由于使用球諧函數(shù)來實現(xiàn)鏡面反射，因此其表現(xiàn)力受到限制。此外，該研究觀察到依賴于視圖的球諧函數(shù)更容易過度擬合，從而導(dǎo)致動畫中出現(xiàn)閃爍偽影。相比之下，Relightable Gaussian Codec Avatars方法不受帶寬限制，因此實現(xiàn)了高頻反射。