GSM

GSM

创新框架实现高效3D人体生成

Gaussian Shell Maps (GSM)框架结合了先进的生成器网络和3D高斯渲染技术,用于高效生成3D数字人物。GSM采用多层壳结构,通过卷积神经网络生成3D纹理并映射到壳上。该方法可在单视图数据集上训练,生成多视图一致的高质量3D人体模型,并支持任意姿势变形。GSM为虚拟现实、社交媒体和电影制作等领域提供了创新的3D人体生成技术。

3D人体生成高斯贝壳图生成对抗网络3D渲染深度学习Github开源项目

高斯壳映射实现高效3D人体生成 <br>

示例图

高效几何感知3D生成对抗网络<br> Rameen Abdal*, Wang Yifan*, Zifan Shi*, Yinghao Xu, Ryan Po, Zhengfei Kuang, Qifeng Chen, Dit-Yan Yeung, 和 Gordon Wetzstein<br>* 贡献相同<br> <br>https://rameenabdal.github.io/GaussianShellMaps/<br>

摘要:高效生成3D数字人在虚拟现实、社交媒体和电影制作等多个行业中至关重要。3D生成对抗网络(GANs)在生成资产的质量和多样性方面展现了最先进的水平。然而,当前的3D GAN架构通常依赖于体积表示,这种表示渲染速度慢,从而阻碍了GAN的训练,并需要多视图不一致的2D上采样器。在此,我们引入高斯壳映射(GSMs)作为一个框架,将最先进的生成器网络架构与新兴的3D高斯渲染原语连接起来,使用可关节化的多壳基础架构。在这种设置中,CNN生成一个3D纹理堆栈,其特征被映射到壳上。这些壳代表了数字人在标准身体姿势下的模板表面的膨胀和收缩版本。我们不直接栅格化这些壳,而是在壳上采样3D高斯体,其属性由纹理特征编码。这些高斯体可以高效且可微分地渲染。在GAN训练期间和推理时,壳的可关节化能力对于将身体变形为任意用户定义的姿势很重要。我们的高效渲染方案绕过了对视图不一致的上采样器的需求,实现了512 × 512像素原生分辨率的高质量多视图一致渲染。我们证明,GSMs在仅使用单视图数据集(包括SHHQ和DeepFashion)进行训练时,能够成功生成3D人体。

安装

  • Python库:具体库依赖请参见environment.yml。您可以使用以下命令和Miniconda3创建并激活您的Python环境:

    • conda env create -f environment.yml
    • conda activate gsm
  • 在子模块中安装smplx和batch-diff-gaussian-rasterization:

    • cd submodules
    • cd smplx
    • python setup.py develop
    • cd batch-diff-gaussian-rasterization
    • python setup.py install

开始使用

预训练网络以*.pkl格式存储。预训练检查点和文件请点击这里

生成插值

# 使用预训练模型生成插值视频

cd main/gsm

python gen_interpolation.py --network xxxx.pkl --outdir xxxx --z_seeds 251,58

# DeepFashion数据集上可尝试的其他种子:

种子:297,235,27,41,135,903,894,570,361,369

生成新姿势

# 使用预训练模型生成新姿势

cd main/gsm

python gen_novel_pose.py --network xxxx.pkl --outdir xxxx --seq ../../assets/seq_novel_pose.npy --z_seeds 58 --reload_modules True

# DeepFashion数据集上可尝试的其他种子:

种子:745,962,853,621,190

编辑

# 使用预训练模型生成上半身编辑

cd main/gsm

python gen_editing.py --network xxxx.pkl --seeds 0,1,2 --seeds_tobereplaced 6162 --trunc 0.7 --resolution 512 --outdir xxxx --pts_path ../../assets/editing/select_upper.txt --reload_modules True

# 使用预训练模型生成下半身编辑

python gen_editing.py --network xxxx.pkl --seeds 0,1,2 --seeds_tobereplaced 6162 --trunc 0.7 --resolution 512 --outdir xxxx --pts_path ../../assets/editing/select_trousersshoes.txt --reload_modules True

生成动画序列

# 使用预训练模型生成动画序列并在HTML上查看

cd main/gsm

python gen_animation_videos.py --network xxxx.pkl --outdir xxxx --z_seeds 137

# DeepFashion数据集上可尝试的其他种子:

种子:67,468,543,718,847,895,66,82,848,952,958,974

训练

(待更新)

引用

@misc{abdal2023gaussian,
      title={Gaussian Shell Maps for Efficient 3D Human Generation}, 
      author={Rameen Abdal and Wang Yifan and Zifan Shi and Yinghao Xu and Ryan Po and Zhengfei Kuang and Qifeng Chen and Dit-Yan Yeung and Gordon Wetzstein},
      year={2023},
      eprint={2311.17857},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

致谢

我们感谢3D高斯溅射的作者Bernhard Kerbl、Georgios Kopanas和George Drettakis就代码进行的讨论。我们感谢Thabo Beeler和Guandao Yang的富有成效的讨论,以及Alexander Bergman在基线比较方面的帮助。我们还感谢GetAvartar的作者提供额外的评估结果。本工作部分得到了谷歌、三星、斯坦福HAI和瑞士博士后流动基金的支持。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多