UltrAvatar: Een realistisch animeerbaar 3D-avatar diffusiemodel met authenticiteit-gestuurde texturen

UltrAvatar: A Realistic Animatable 3D Avatar Diffusion Model with Authenticity Guided Textures

January 20, 2024

Auteurs: Mingyuan Zhou, Rakib Hyder, Ziwei Xuan, Guojun Qi

cs.AI

Samenvatting

Recente ontwikkelingen in 3D-avatar-generatie hebben aanzienlijke aandacht gekregen. Deze doorbraken zijn gericht op het produceren van realistischer animeerbare avatars, waardoor de kloof tussen virtuele en real-world ervaringen wordt verkleind. De meeste bestaande werken maken gebruik van Score Distillation Sampling (SDS)-verlies, gecombineerd met een differentieerbare renderer en tekstconditie, om een diffusiemodel te begeleiden bij het genereren van 3D-avatars. SDS genereert echter vaak te gladde resultaten met weinig gezichtsdetails, waardoor het de diversiteit mist in vergelijking met ancestrale sampling. Aan de andere kant genereren andere werken 3D-avatars vanuit een enkele afbeelding, waarbij de uitdagingen van ongewenste lichteffecten, perspectiefweergaven en inferieure beeldkwaliteit het moeilijk maken om de 3D-gezichtsmeshes betrouwbaar te reconstrueren met uitgelijnde complete texturen. In dit artikel stellen we een nieuwe benadering voor 3D-avatar-generatie voor, genaamd UltrAvatar, met een verbeterde geometrie-fideliteit en superieure kwaliteit van fysiek gebaseerde rendering (PBR)-texturen zonder ongewenste belichting. Hiertoe presenteert de voorgestelde benadering een diffusiekleurextractiemodel en een authenticiteit-gestuurd textuurdiffusiemodel. Het eerste verwijdert ongewenste lichteffecten om de echte diffusiekleuren te onthullen, zodat de gegenereerde avatars onder verschillende lichtomstandigheden kunnen worden weergegeven. Het tweede volgt twee op gradienten gebaseerde begeleidingen voor het genereren van PBR-texturen om diverse gezichtsidentiteitskenmerken en details beter uit te lijnen met de 3D-meshgeometrie. We demonstreren de effectiviteit en robuustheid van de voorgestelde methode, die in de experimenten de state-of-the-art methoden met een grote marge overtreft.

English

Recent advances in 3D avatar generation have gained significant attentions. These breakthroughs aim to produce more realistic animatable avatars, narrowing the gap between virtual and real-world experiences. Most of existing works employ Score Distillation Sampling (SDS) loss, combined with a differentiable renderer and text condition, to guide a diffusion model in generating 3D avatars. However, SDS often generates oversmoothed results with few facial details, thereby lacking the diversity compared with ancestral sampling. On the other hand, other works generate 3D avatar from a single image, where the challenges of unwanted lighting effects, perspective views, and inferior image quality make them difficult to reliably reconstruct the 3D face meshes with the aligned complete textures. In this paper, we propose a novel 3D avatar generation approach termed UltrAvatar with enhanced fidelity of geometry, and superior quality of physically based rendering (PBR) textures without unwanted lighting. To this end, the proposed approach presents a diffuse color extraction model and an authenticity guided texture diffusion model. The former removes the unwanted lighting effects to reveal true diffuse colors so that the generated avatars can be rendered under various lighting conditions. The latter follows two gradient-based guidances for generating PBR textures to render diverse face-identity features and details better aligning with 3D mesh geometry. We demonstrate the effectiveness and robustness of the proposed method, outperforming the state-of-the-art methods by a large margin in the experiments.