3DGS

本篇筆記整理了 3DGS-Avatar (CVPR 2024) 的研究內容。該論文旨在解決從單眼視角影片（monocular video）高效重建可動畫（animatable）的著裝虛擬人像（clothed human avatars）的挑戰，特別是針對現有基於 NeRF 方法在訓練和渲染速度上的限制。筆記內容涵蓋了其核心方法：利用 3D Gaussian Splatting (3DGS) 作為基礎表示，設計了從標準空間（canonical space）到觀察空間（observation space）的變形流程，包括非剛性（non-rigid）和剛性（rigid）變形模組，以及一個用於處理視角相關顏色和局部變形的 Color MLP。此外，筆記也記錄了其優化策略，如姿態修正（pose correction）和關鍵的「盡可能等距」（as-isometric-as-possible, AIAP）正規化，以提升對未見姿態的泛化能力與重建品質。