[CVPR-24] HUGS: Human Gaussian Splats

最新推荐文章于 2025-04-26 11:07:26 发布

zzl_1998

最新推荐文章于 2025-04-26 11:07:26 发布

阅读量1.3k

点赞数 7

文章标签：人工智能数字人 Avatar 3DGS talking head

本文链接：https://blog.csdn.net/qq_40731332/article/details/138764116

版权

本文提出一种新的数字人表征Human Gaussian Splats (HUGS)，可以实现新姿态和新视角生成；
本文提出一种新的前向形变模块（forward deformation module），在标定空间基于Gaussians表征数字人，并基于LBS学习如何驱动数字人；
HUGS从50-100帧单目视频中创建数字人，经过30分钟训练，可在高分辨率下实现60FPS渲染；
HUGS在NeuMan、ZJU-Mocap数据集上实现sota重建质量。

方法

Prelimiaries

SMPL是一种人体先验模型，可实现人体形状和姿态控制。
形式上，SMPL定义了静止姿态（例如，T-Pose）下的人体网格 $(\bar{T}, F)$ 。其中， $\bar{T} \in \mathbb{R}^{n_v \times 3}$ 是 $n_v$ 个顶点， $F \in \mathbb{N}^{n_t \times 3}$ 是 $n_t$ 个具有固定拓扑关系的三角面片。给定形状系数 $\beta \in \mathbb{R}^{|\beta|}$ 和姿态系数 $\theta \in \mathbb{R}^{3n_k + 3}$ ，SMPL在静止姿态下将顶点转换为某种形状下的坐标： $T_S(\beta, \theta) = \bar{T} + B_S(\beta) + B_P(\theta)$ 。其中， $T_S(\beta, \theta)$ 表示某种形状下的顶点坐标， $B_S(\beta) \in \mathbb{R}^{n_v \times 3}$ 和 $B_P(\theta) \in \mathbb{R}^{n_v \times 3}$ 表示形状和姿态导致的位移偏差。
SMPL使用 $n_k$ 个预定义关节点和对应Linear Blend Skinning (LBS)，驱动人体网格到特定姿态。LBS系数 $W \in \mathbb{R}^{n_k \times n_v}$ 由SMPL定义。给定静止姿态下的第 $i$ 个顶点 $p_i \in \mathbb{R}^3$ 和关节点配置（世界坐标下的旋转和位移矩阵） $G=[G_1, ..., G_{n_k}]$ ，其中 $G_k \in SE(3)$ ，根据姿态形变后的顶点坐标为 $v_i = (\sum^{n_k}_{k=1} W_{k, i}G_k)p_i$ ，其中 $W_{k, i} \in \mathbb{R}$ 表示第 $k$ 个关节点对第 $i$ 个顶点的LBS权重。

Human Gaussian Splats

给定T张图片和对应的相机位姿，HUGS首先使用4DHumans估计SMPL的姿态系数 $\theta_1, ..., \theta_T$ 和形状系数 $\beta$ 。本文通过3D Gaussians表征人体，并使用学习到的LBS系数驱动Gaussians。通过训练，本文输出Gaussian的位置、旋转、缩放、颜色和LBS系数。整体框架如下图所示：

HUGS通过一个triplane $F \in \mathbb{R}^{3 \times h \times w \times d}$ 和三个MLPs构造标定空间下的人体。

渲染

首先根据第 $i$ 个Human Gaussians的中心点坐标 $\mu_i$ ，从triplane中插值得到特征 $f^i$ 。
使用外观MLP $D_A$ 预测RGB颜色和不透明度；
使用几何MLP $D_G$ 预测中心位置残差 $\Delta {\mu_i}$ ，旋转矩阵 $R_i$ 和缩放系数 $S_i$ ；
使用形变MLP $D_D$ 预测LBS权重 $W_i \in \mathbb{R}^{n_k}$ 。
最终，基于 $W$ 和 $G$ 变化Human Gaussians，与Scene Gaussians一起渲染为图片。

优化

优化参数包括Gaussians中心位置 $\mu$ ，triplane和三个MLPs。
渲染图像和GT计算 $\mathcal{L}_1$ 损失，SSIM损失 $\mathcal{L}_{ssim}$ 和感知损失 $\mathcal{L}_{vgg}$ 。本文同时渲染仅有人像的图片，并同样适用上述损失做监督。
对学习到的LBS权重施加约束，让LBS权重与SMPL的原始LBS权重尽可能保持接近。具体来说，对任意Gaussians，本文检索其最近的 $k=6$ 个SMPL顶点，使用距离为权重的加权平均得到监督LBS系数 $\hat{W}$ 。约束损失为 $\mathcal{L}_{LBS} = ||W-\hat{W}||^2_F$ 。
HUGS的整体损失为：

其中 $\lambda_1=0.8, \lambda_2=0.2, \lambda_3=1.0, \lambda_4=1000$ 。使用Adam优化器，学习率为 $10^{-3}$ 和cosing lr schedule

初始化

Gaussians中心 $\mu$ 初始化在静止姿态下的SMPL顶点；
预训练feature triplane和MLPs，让他们输出RGB颜色为 $[0.5, 0.5, 0.5]$ ，不透明度 $o=0.1$ ，位置偏移量 $\Delta\mu=0$ ，让旋转矩阵对齐顶点向量，放缩系数是平均变长，LBS权重与SMPL顶点权重一致。预训练需要5000轮（在3090Ti GPU上仅需1分钟）。
HUGS将SMPL上采样得到 $n_v=110,210$ 个顶点和 $n_t = 220, 416$ 个面片。
优化过程中，每600iter基于梯度和不透明度做clone, split和prune。完整优化为12K轮，在3090Ti GPU上大约30分钟。
最终每个数字人平均由200K个Gaussians表征。