Core Concepts
본 연구는 최소한의 계산 및 메모리 사용으로 배우의 동적 얼굴 퍼포먼스를 고품질로 렌더링할 수 있는 새로운 표현 방식을 제안한다. 이를 통해 기존 그래픽스 파이프라인에서 효율적으로 렌더링할 수 있다.
Abstract
본 연구는 동적 얼굴 퍼포먼스의 고품질 볼륨 렌더링을 위한 새로운 표현 방식을 제안한다. 이 방식은 최근 신경망 렌더링 기술, 특히 이산 방사 매니폴드를 활용하여 볼륨 효과를 모델링한다.
주요 내용은 다음과 같다:
전체 동적 시퀀스에 대해 단일 세트의 매니폴드를 학습하고, 시간에 따른 외관 변화를 UV 매핑된 방사 텍스처로 모델링한다.
방사 매니폴드를 단일 레이어드 메시와 뷰 독립적 RGBA 텍스처 비디오로 내보내어 기존 그래픽스 렌더러와 호환되도록 한다.
메시 간소화와 텍스처 해상도 조정을 통해 이미지 품질과 효율성 간의 트레이드오프를 제공한다.
실험 결과, 기존 신경망 렌더링 기법과 비교해 유사한 품질을 달성하면서도 훨씬 더 효율적인 렌더링을 제공한다.
Stats
본 연구에서는 Multiface 데이터셋의 5명의 배우에 대한 60프레임 동적 퍼포먼스 비디오를 사용했다.
각 배우에 대해 2대의 홀드아웃 카메라를 사용하여 총 120장의 이미지로 정량적 평가를 수행했다.
Quotes
"우리의 레이어드 메시 표현은 또한 표준 메시 간소화 및 텍스처 해상도 저하 작업을 통해 이미지 품질과 효율성 간의 트레이드오프를 제공할 수 있다."
"실험 결과, 우리의 방법은 기존 신경망 렌더링 기법과 비교해 유사한 품질을 달성하면서도 훨씬 더 효율적인 렌더링을 제공한다."