UltrAvatar: Реалистичная анимируемая 3D-аватарная диффузионная модель с текстурами, управляемыми аутентичностью

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

January 20, 2024

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

cs.AI

Аннотация

Последние достижения в области генерации 3D-аватаров привлекли значительное внимание. Эти прорывы направлены на создание более реалистичных анимируемых аватаров, сокращая разрыв между виртуальным и реальным опытом. Большинство существующих работ используют функцию потерь Score Distillation Sampling (SDS) в сочетании с дифференцируемым рендерером и текстовым условием для управления диффузионной моделью в процессе генерации 3D-аватаров. Однако SDS часто приводит к излишне сглаженным результатам с малым количеством деталей на лице, что ограничивает разнообразие по сравнению с методом ancestral sampling. С другой стороны, другие подходы генерируют 3D-аватар из одного изображения, где проблемы нежелательных эффектов освещения, перспективных искажений и низкого качества изображения затрудняют надежное восстановление 3D-мешей лица с выровненными полными текстурами. В данной статье мы предлагаем новый подход к генерации 3D-аватаров под названием UltrAvatar, который обеспечивает повышенную точность геометрии и превосходное качество текстур на основе физически корректного рендеринга (PBR) без нежелательных эффектов освещения. Для этого предложенный подход включает модель извлечения диффузного цвета и модель диффузии текстур с управлением по аутентичности. Первая удаляет нежелательные эффекты освещения, чтобы выявить истинные диффузные цвета, что позволяет рендерить аватары в различных условиях освещения. Вторая следует двум градиентным направлениям для генерации PBR-текстур, что улучшает рендеринг разнообразных черт лица и деталей, лучше согласованных с геометрией 3D-меша. Мы демонстрируем эффективность и устойчивость предложенного метода, который значительно превосходит современные подходы в экспериментах.

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.