Fotorealistische und animierbare menschliche Avatare durch gemeinsames Lernen von Netzdeformation und Gaussian-Texturen

Unser Ansatz kombiniert 3D-Gaussians und UV-Raumdarstellung, um fotorealistische und poseangetriebene Avatarmodelle aus Mehrfachansichten-Bildern zu rekonstruieren. Durch die Verwendung einer verfeinerten Netzgeometrie als Führung und das Lernen posabhängiger Gaussian-Texturen in UV-Raum können wir hochwertige Rendering-Ergebnisse erzielen.