


Möchten Sie ein äußerst realistisches dreidimensionales Gesicht personalisieren und entwerfen, sind aber mit professioneller Designsoftware nicht vertraut? Die 3D-Gesichtsbearbeitungsmethode NeRFFaceEditing bietet eine neue Lösung. Auch wenn Sie sich mit 3D-Modellierung nicht auskennen, können Sie im Metaversum hochrealistische dreidimensionale Gesichter frei bearbeiten und personalisierte digitale Porträts modellieren!
NeRFFaceEditing wurde von Forschern des Institute of Computing Technology, der Chinesischen Akademie der Wissenschaften und der City University of Hong Kong durchgeführt. Das entsprechende Fachpapier wurde auf der ACM SIGGRAPH Asia 2022 veröffentlicht , die Top-Konferenz zum Thema Computergrafik.
Projekthomepage: http://geometrylearning.com/NeRFFaceEditing/# 🎜🎜#
NeRFFaceEditing verwendet zweidimensionale semantische Masken als Brücke für die dreidimensionale Geometriebearbeitung. Die von Benutzern in einer Perspektive durchgeführte semantische Bearbeitung kann auf die gesamte Dreidimensionalität übertragen werden Gesichtsgeometrie und Behalten Sie das Material unverändert bei. Darüber hinaus kann der Benutzer bei einem Bild, das einen Referenzstil darstellt, problemlos den Materialstil der gesamten 3D-Fläche ändern und dabei die Geometrie unverändert lassen.
Basierend auf dem 3D-Gesichtsbearbeitungssystem, das auf dieser Methode basiert, kann der Benutzer, auch wenn er mit professionellem 3D-Design nicht vertraut ist, problemlos ein personalisiertes Gesichtsdesign durchführen und anpassen die Gesichtsform und das Aussehen. Schauen wir uns zunächst zwei erstaunliche Effekte mit NeRFFaceEditing an!
Abbildung 1 Geometriebearbeitungseffekt: 2D-Semantikmaske Änderungen werden auf die übertragen gesamter dreidimensionaler geometrischer Raum #Abbildung 2 Stilübertragungseffekt: Wenden Sie einen bestimmten Stil auf den gesamten dreidimensionalen Raum des Gesichts an, während die Geometrie unverändert bleibt
Teil I Hintergrund#🎜🎜 # In den letzten Jahren sind durch die Kombination von neuronalen Strahlungsfeldern [1] und kontradiktorischen Erzeugungsnetzwerken [2] verschiedene hochwertige, schnell rendernde 3D-Gesichtserzeugungsnetzwerke entstanden vorgeschlagen, einschließlich EG3D[3].
Abbildung 3 Generationseffekte und geometrische Darstellung verschiedener Perspektiven von EG3D#🎜 🎜#
Die Dreiebenendarstellung der Methode kombiniert traditionelle zweidimensionale generative gegnerische Netzwerke und die neueste dreidimensionale implizite Darstellung und erbt daher StyleGAN [ 4] verfügt über eine starke Erzeugungsfähigkeit und Darstellungsfähigkeit neuronaler Strahlungsfelder. Allerdings können diese generativen Modelle keine entkoppelte Kontrolle über die Geometrie und das Material des menschlichen Gesichts bieten, was für Anwendungen wie das 3D-Charakterdesign ein unverzichtbares Merkmal ist.
Methoden zur Bildentkopplung und -bearbeitung lassen sich jedoch nur schwer direkt auf den dreidimensionalen Raum anwenden. Bestehende geometrische und materielle Entkopplungsmethoden für dreidimensionale Gesichter erfordern jedoch häufig eine Neuschulung der Netzwerkparameter, und die verwendete räumliche Darstellungsmethode weist größere Einschränkungen auf und weist nicht die guten Eigenschaften der Dreiebenendarstellung auf. Um die oben genannten Probleme zu lösen, basiert NeRFFaceEditing auf den vorab trainierten Modellparametern des dreidimensionalen generativen gegnerischen Netzwerks, das durch die drei Ebenen dargestellt wird, und verwendet die zweidimensionale semantische Maske aus jeder Perspektive als Medium zur Realisierung der geometrischen Bearbeitung der dreidimensionalen Fläche und der Lösung der Materialkopplung. Nachdem der Drei-Ebenen-Generator die Drei-Ebenen-Generierung generiert hat, wird er von AdaIN [8] inspiriert, also für die beiden -dimensionale Merkmalskarte (Feature Map), ihre Statistiken können ihren Stil darstellen. NeRFFaceEditing zerlegt die drei Ebenen in den Mittelwert und die Standardabweichung (a), die räumlich invariante Materialmerkmale auf hoher Ebene ausdrücken, und die standardisierten drei Ebenen, die räumlich variierende geometrische Merkmale ausdrücken Merkmale. . Durch die Kombination der standardisierten Dreiebenen und der zerlegten Materialeigenschaften (a) kann die ursprüngliche Dreiebene wiederhergestellt werden. Daher kann bei unterschiedlichen Materialeigenschaften die gleiche Geometrie mit unterschiedlichen Materialien versehen werden. Um eine entkoppelte Steuerung von Geometrie und Materialien zu erreichen, zerlegt NeRFFaceEditing außerdem den ursprünglichen Einzeldecoder in einen Geometriedecoder und einen Materialdecoder. Der Geometriedecoder gibt Merkmale, vorhergesagte Dichten und semantische Beschriftungen ein, die aus normalisierter Drei-Ebenen-Abtastung erhalten wurden, und wird verwendet, um das geometrische und semantische Maskenvolumen (Volumen) des 3D-Gesichts auszudrücken. Die geometrischen Merkmale und Materialmerkmale (a) werden durch das steuerbare Materialmodul (CAM) kombiniert, und dann werden die abgetasteten Merkmale in den Materialdecoder eingegeben, um die Farbe vorherzusagen. Schließlich werden durch Volumenrendering das Gesichtsbild und die entsprechende semantische Maske aus einer bestimmten Perspektive erhalten. Bei einem anderen Materialmerkmal (b) können das geometrische Merkmal und das Materialmerkmal (b) verwendet werden, um über das CAM-Modul und Volumenrendering ein weiteres Gesichtsbild mit unveränderter Geometrie und verändertem Material zu erhalten. Die gesamte Netzwerkstruktur ist in der folgenden Abbildung dargestellt: Abbildung 4 Netzwerk Architektur von NeRFFaceEditing Darüber hinaus, um die Rendering-Ergebnisse von Proben mit den gleichen Materialeigenschaften, aber unterschiedlicher Geometrie so einzuschränken, dass sie ähnlich sind Im Material verwendet NeRFFaceEditing die generierte semantische Maske mithilfe von Histogrammmerkmalen, um die Farbverteilung verschiedener Gesichtskomponenten wie Haare, Haut usw. von Proben mit denselben Materialmerkmalen und unterschiedlicher Geometrie darzustellen. Anschließend wird die Abstandssumme der Farbverteilung dieser Proben über die einzelnen Komponenten optimiert. Wie in der folgenden Abbildung gezeigt: Abbildung 5 Trainingsstrategie für Materialähnlichkeitsbeschränkungen #🎜 🎜# Mit NeRFFaceEditing können Sie zweidimensionale semantische Masken verwenden um dreidimensionale Bilder zu bearbeiten. Geometrische Bearbeitung im Gesichtsraum: Abbildung 6 Dreidimensionale Gesichtsgeometriebearbeitung Darüber hinaus können Sie auch eine konsistente dreidimensionale Materialstilmigration im dreidimensionalen Raum durchführen auf Referenzbildern: Abbildung 7 Dreidimensionale Gesichtsstilübertragung ## 🎜🎜#Auf dieser Grundlage können entkoppelte Flächeninterpolations- und Verformungsanwendungen implementiert werden. Wie in der Abbildung unten gezeigt, werden die obere linke Ecke und die untere rechte Ecke als Start- und Endpunkte für die Ausführung verwendet lineare Interpolation auf Kamera, Geometrie und Material:
Verwenden Sie PTI [9], um reale Bilder in den latenten Raum von NeRFFace zurückzuprojizierenBearbeiten, Bearbeiten und Stylen Auch die Übertragung realer Bilder ist möglich. Dabei wurde NeRFFaceEditing auch mit anderen Open-Source-Methoden zur Gesichtsbearbeitung verglichen, die den Betrachtungswinkel steuern können, nämlich SofGAN [10], was die Überlegenheit der Methode beweist. Abbildung 9 Beispiel für die dreidimensionale Geometriebearbeitung eines echten Bildes. Es ist ersichtlich, dass die Authentizität von NeRFFaceEditing besser ist als die von SofGAN und SofGAN aus anderen Perspektiven bestimmte Identitätsänderungen aufweist. Abbildung 10 Beispiel für die Migration eines realen Bildstils. Es ist ersichtlich, dass SofGAN bestimmte Mängel aufweist und es bestimmte Identitätsänderungen gibt. Teil 4 Fazit und Danksagungen Die Generierung digitaler Inhalte hat ein breites Anwendungsspektrum in den Bereichen Industrielle Produktion und digitale Medienanwendungen, insbesondere die Generierung und Bearbeitung virtueller digitaler Menschen, haben in letzter Zeit große Aufmerksamkeit erhalten, und die entkoppelte Bearbeitung dreidimensionaler Gesichtsgeometrie und -materialien ist eine mögliche Lösung für die personalisierte Gestaltung realer virtueller Bilder. Das NeRFFaceEditing-System kann durch die Entkopplung des Designs des dreidimensionalen Gesichtsgenerierungsnetzwerks die Änderung der semantischen Maske durch den Benutzer aus der zweidimensionalen Perspektive in das Ganze umwandeln Geometriemodifikation im dreidimensionalen Raum ohne Veränderung des Materials. Darüber hinaus kann mit Hilfe von Trainingsstrategien, die den Stiltransfereffekt verstärken, ein effektiver materieller Stiltransfer im dreidimensionalen Raum erreicht werden. Der Beitrag von NeRFFaceEditing wurde von ACM SIGGRAPH ASIA 2022, einer führenden Konferenz für Computergrafik, angenommen. http://geometrylearning.com/NeRFFaceEditing/#🎜 🎜#Teil 2 Das Algorithmusprinzip von NeRFFaceEditing
Abbildung 8 Entkopplung der Gesichtsverformungseffektanzeige
Zum Forschungsteam des Projekts gehören Jiang Kaiwen (Erstautor), ein Student der Eliteklasse des Instituts für Computertechnologie der Chinesischen Akademie der Wissenschaften und Associate Researcher Gao Lin (korrespondierender Autor dieses Artikels) und Dr. Chen Shuyu und Professor Fu Hongbo von der City University of Hong Kong. Weitere Informationen zum Artikel finden Sie auf der Projekthomepage:
Das obige ist der detaillierte Inhalt vonNeRFFaceEditing, eine Maskenbearbeitungsmethode für neuronale Strahlungsfelder im Gesicht, kann dreidimensionale Gesichter ohne 3D-Modellierung bearbeiten.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Der Begriff "AI-fähige Belegschaft" wird häufig verwendet, aber was bedeutet das in der Lieferkettenindustrie wirklich? Nach Abe Eshkenazi, CEO des Association for Supply Chain Management (ASCM), bedeutet dies Fachkräfte, die kritisch sind

Die dezentrale KI -Revolution gewinnt leise an Dynamik. An diesem Freitag in Austin, Texas, markiert der Bittensor Endgame Summit einen entscheidenden Moment, in dem die dezentrale KI (DEAI) von Theorie zu praktischer Anwendung übergeht. Im Gegensatz zum glitzernden Werbespot

Enterprise KI steht vor der Datenintegrationsprobleme Die Anwendung von Enterprise KI steht vor einer großen Herausforderung: Aufbau von Systemen, die die Genauigkeit und Praktikabilität durch kontinuierlich lernende Geschäftsdaten aufrechterhalten können. NEMO Microservices lösen dieses Problem, indem er das erstellt, was NVIDIA als "Datenschwungrad" beschreibt und KI -Systemen durch kontinuierliche Exposition gegenüber Unternehmensinformationen und Benutzerinteraktion relevant bleibt. Dieses neu gestartete Toolkit enthält fünf wichtige Microservices: Nemo Customizer behandelt die Feinabstimmung großer Sprachmodelle mit höherem Trainingsdurchsatz. NEMO Evaluator bietet eine vereinfachte Bewertung von KI -Modellen für benutzerdefinierte Benchmarks. NEMO -Leitplanken implementiert Sicherheitskontrollen, um die Einhaltung und Angemessenheit aufrechtzuerhalten

AI: Die Zukunft von Kunst und Design Künstliche Intelligenz (KI) verändert das Kunst- und Designgebiet auf beispiellose Weise, und seine Auswirkungen beschränken sich nicht mehr auf Amateure, sondern beeinflussen jedoch die Fachkräfte. Kunstwerke und Designschemata, die von KI erzeugt wurden, ersetzen traditionelle materielle Bilder und Designer in vielen Transaktionsdesignaktivitäten wie Werbung, Social -Media -Bildgenerierung und Webdesign schnell. Professionelle Künstler und Designer finden jedoch auch den praktischen Wert von KI. Sie verwenden AI als Hilfsmittel, um neue ästhetische Möglichkeiten zu erforschen, verschiedene Stile zu mischen und neuartige visuelle Effekte zu erzeugen. KI hilft Künstlern und Designer, sich wiederholende Aufgaben zu automatisieren, verschiedene Designelemente vorzuschlagen und kreative Eingaben zu leisten. AI unterstützt den Stiltransfer, der einen Bildstil anwenden soll

Zoom, ursprünglich für seine Video -Konferenz -Plattform bekannt, führt eine Revolution am Arbeitsplatz mit der innovativen Nutzung der Agenten -KI. Ein aktuelles Gespräch mit Zooms CTO, XD Huang, enthüllte die ehrgeizige Vision des Unternehmens. Definieren von Agenten AI Huang d

Wird AI die Bildung revolutionieren? Diese Frage führt zu ernsthafter Reflexion unter Pädagogen und Stakeholdern. Die Integration von KI in Bildung bietet sowohl Chancen als auch Herausforderungen. Wie Matthew Lynch von The Tech Edvocate bemerkt, Universität

Die Entwicklung wissenschaftlicher Forschung und Technologie in den Vereinigten Staaten kann vor Herausforderungen stehen, möglicherweise aufgrund von Budgetkürzungen. Nach der Natur stieg die Zahl der amerikanischen Wissenschaftler, die sich für Arbeitsplätze in Übersee bewerben, von Januar bis März 2025 im Vergleich zum gleichen Zeitraum von 2024 um 32%. Eine frühere Umfrage ergab, dass 75% der untersuchten Forscher über die Suche nach Arbeitsplätzen in Europa und Kanada in Betracht gezogen wurden. In den letzten Monaten wurden Hunderte von NIH- und NSF-Zuschüssen beendet, wobei die neuen Zuschüsse von NIH in diesem Jahr um etwa 2,3 Milliarden US-Dollar gesunken sind, ein Rückgang von fast einem Drittel. Der durchgesickerte Haushaltsvorschlag zeigt, dass die Trump -Administration mit einer möglichen Reduzierung von um bis zu 50%ein starkes Budget für wissenschaftliche Institutionen in Betracht zieht. Die Turbulenzen auf dem Gebiet der Grundlagenforschung haben sich auch auf einen der Hauptvorteile der Vereinigten Staaten ausgewirkt: die Gewinnung von Talenten in Übersee. 35

OpenAI enthüllt die leistungsstarke GPT-4.1-Serie: eine Familie von drei fortschrittlichen Sprachmodellen für reale Anwendungen. Dieser signifikante Sprung nach vorne bietet schnellere Reaktionszeiten, verbessertes Verständnis und drastisch reduzierte Kosten im Vergleich t t


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Dreamweaver Mac
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Sicherer Prüfungsbrowser
Safe Exam Browser ist eine sichere Browserumgebung für die sichere Teilnahme an Online-Prüfungen. Diese Software verwandelt jeden Computer in einen sicheren Arbeitsplatz. Es kontrolliert den Zugriff auf alle Dienstprogramme und verhindert, dass Schüler nicht autorisierte Ressourcen nutzen.

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion

PHPStorm Mac-Version
Das neueste (2018.2.1) professionelle, integrierte PHP-Entwicklungstool
