一张照片生成3D头像 苹果新模型击败StyleGAN2 表情光线都能调
一张照片生成3D头像苹果新模型击败StyleGAN2表情光线都能调进行3D建模时，需要的照片素材无需专门选择角度，数量上也只需一张。甚至对表情、发型、眼镜等元素进行调节时，也不需要额外素材。而传统的头像合成工具或者需要多张图片才能工作，或者对照片角度有刁钻的要求。正是凭借这一创新，FaceLit获得了3.5的FID评分，较同类产品直接高出了25%。改进式EG3D合成人像，光线信息单独处理下面就来看一下FaceLit具体是如何实现头像合成的。总的来说，苹果采用了将人物本体与光线分别处理再进行叠加的策略。早期的三维人像合成工具在转换过程中可能产生形变。而爆火的NeRF通过将场景拆分成具体因素，提高了3D图像合成效果，改善了这一问题。但苹果团队认为，在可控性方面，NeRF仍存有不足之处。于是，在EG3D框架的基础上，苹果创造了FaceLit的合成模型。EG3D通过三平面解码器，赋予了二维卷积神经网络生成渲染3D模型所需深度参数的能力。苹果团队对标准的EG3D训练方式进行了扩展，并将之转化成了FaceLit框架。FaceLit与传统EG3D渲染流程对比图标准的ED3G使用相机位置p参数作为基本输入参数。在建立GAN2操作时，苹果在EG3D的基础上加入了光照参数l。不同p(左→右)与l(上→下)值下的初始图像苹果选择了经过球形谐波方式简化后的Phong反射模型作为处理光源的物理基础。光照参数l就是在这一基础之上独立处理得到的。在自然界中，反射包括镜面反射和漫反射两种形式。不同镜面反射率条件下的效果对比因此，苹果在ED3G模型中加入了镜面反射解码器和漫反射解码器。它们替代了可以直接得到颜色c、密度σ数据的三平面解码器。反射解码器流程示意图通过对GAN2产生的数据进行再次解码，可以得到镜面反射率ks和漫反射率kd。然后再通过两种反射着色器得到颜色c，密度σ则由漫反射解码器计算得出。最终，FaceLit以与三平面解码器相同的参数（c，w，σ）渲染图像，并进行分辨率优化。有的放矢设计训练策略，数据无需人工标注生成框架已有，那就来到训练阶段，其特点在于训练过程中无需人工标注。方法论层面，在训练时，团队使用了FFHQ、MetFaces和CelebA-HQ数据集。对于不同的数据集，苹果使用了不同的训练方式。FFHQ包含了7万余条人脸数据，其训练分为两个阶段：先在较低的分辨率下训练，再提高分辨率再次进行。对于包含2万数据量的CelebA-HQ，训练不需要分阶段进行。而对于更小的MetFAces，则只需要通过ADA扩容的方式，使用预训练的FFHQ进行优化调整即可。定性地看，训练结果在机位、光源和反射高光等方面都有出色的表现，图中的细节也有所增强。FaceLit生成的头像（左侧四列）唇齿部位的细节进行了明显重构定量结果同样表明，FaceLit在FID、KID等指标上均优于包括标准EG3D在内的传统生成方式。在使用FFHQ作为训练集的条件下，各生成方式的表现如下表，不难看出FaceLit拥有最低的FID和KID值。而相比于英伟达的StyleGAN2，FaceLit的表现依旧出色：光线准确度方面，FaceLit在使用三种不同训练数据集的情况下，与人工设定的标准值平均均方误差均低于0.01。网友：人们低估了苹果AI消息发出后，便有网友认为“这是对更重磅产品的预热”。更有网友直接推测，FaceLit的出现标示着人工智能将进军AR和VR领域，苹果的混合现实将最终实现商用……也有网友认为，FaceLit不会商用，否则苹果才不会以论文的形式发表。针对FaceLit本身，也有网友表示，除了LLM，其他都是浮云，他们（苹果）如果不开发LLM，就没有未来。但这位网友同时也说，苹果可能已经在做（LLM）了。相应的，也有网友称人们“低估了苹果在AI领域的深度”。所以各位网友对苹果在AI领域还有什么样的期待呢？...PC版：https://www.cnbeta.com.tw/articles/soft/1357791.htm手机版：https://m.cnbeta.com.tw/view/1357791.htm
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人