arXiv · 机器人与计算机视觉· Elly Akhoundi, Mathieu Lamarre, Thibault Goyallon, Patrick Anderson, \'Etienne Danvoye·· 12 小时前精选AI 评分78
FaceRiff:通过几何条件实现数据高效统一的文本到 3D 人脸资产合成
FaceRiff: Data-Efficient Unified Text-to-3D Face Asset Synthesis via Geometric Conditioning
AI 导读
论文提出了 FaceRiff,这是一个统一且数据高效的框架,可直接从文本生成完整的 3D 人脸资产(网格、反照率和位移)。该方法适配预训练的 SDXL 骨干网络,使用 UV 法线图作为几何条件引导合成,仅需约 2049 个扫描数据和单 GPU 训练即可更新少于 3% 的骨干参数。盲测显示其感知真实度接近真实采集数据,且生成的反照率对光照独立,适合 PBR 重光照和毛孔级位移生成。
推荐理由
该工作提出 FaceRiff,利用预训练扩散先验与几何条件,在少量数据下生成高保真 3D 人脸资产。
来源:arXiv · 机器人与计算机视觉 · arxiv.org