NeRF基于線(xiàn)稿生成逼真三維人臉，細節風(fēng)格隨意改，論文已上SIGGRAPH（1）

這個(gè)方法可以高效構建三維模型，精細程度很高。

高真實(shí)感且精確可控的三維人臉建模是數字人構建中的重要問(wèn)題之一。目前，使用現有的基于網(wǎng)格的人臉建模方法需要專(zhuān)業(yè)的人員使用復雜的軟件并投入大量的時(shí)間和精力，且實(shí)現逼真的人臉?shù)秩窘Y果較為困難。

雖然神經(jīng)輻射場(chǎng)作為一種新的三維表示可以合成出逼真的結果，但如何對生成結果進(jìn)行精確控制和修改，以實(shí)現高質(zhì)量的三維人臉合成仍然是一個(gè)待解決的問(wèn)題。

近期，研究人員提出了基于線(xiàn)稿的三維人臉神經(jīng)輻射場(chǎng)生成和編輯方法 SketchFaceNeRF [1]，相關(guān)技術(shù)論文發(fā)表在計算機圖形學(xué)頂會(huì ) SIGGRAPH 2023，并被收錄于圖形學(xué)頂級期刊 ACM Transactions on Graphics。使用該系統，即使用戶(hù)不會(huì )使用復雜的三維軟件，也可以基于線(xiàn)稿自由創(chuàng )作三維人臉。先來(lái)看看使用 SketchFaceNeRF 創(chuàng )作的人臉效果：

圖 1：使用線(xiàn)稿生成高真實(shí)感的三維人臉。

進(jìn)一步，在給定三維人臉后，用戶(hù)在任意角度添加編輯操作：

圖 2 使用線(xiàn)稿在任意視角編輯三維人臉。

Part 1 背景

最近，AI 繪畫(huà)非?；鸨?，基于 Stable Diffusion [2] 和 ControlNet [3] 等方法，通過(guò)指定文本可以生成高真實(shí)感的二維圖像。但是，上述工作無(wú)法生成高質(zhì)量的三維模型。同時(shí)，僅使用文本難以控制生成細節，盡管 ControlNet 已經(jīng)支持線(xiàn)稿的控制，但如何對生成的結果的局部區域進(jìn)行精準的修改仍然十分困難。

隨著(zhù)神經(jīng)輻射場(chǎng) [4] 和對抗式生成網(wǎng)絡(luò ) [5] 的發(fā)展，已有方法，例如 EG3D [6]，已經(jīng)實(shí)現了三維人臉模型的高質(zhì)量的生成和快速的渲染。但是，這些生成模型只支持人臉隨機采樣，而無(wú)法對生成結果進(jìn)行控制。IDE-3D [7] 和 NeRFFaceEditing [8] 使用語(yǔ)義標記圖編輯三維人臉，但是，該類(lèi)方法難以實(shí)現更細節的控制，例如頭發(fā)的結構細節和皺紋等。同時(shí)，用戶(hù)很難從頭繪制復雜的語(yǔ)義圖，無(wú)法憑空生成三維人臉模型。

線(xiàn)稿作為一種更加友好的交互方式，一直被用于二維人臉圖像的生成 [9] 和編輯 [10]。然而，將線(xiàn)稿用于三維人臉的生成存在下述的問(wèn)題：首先，線(xiàn)稿風(fēng)格多樣且過(guò)于稀疏，生成二維圖像已經(jīng)不易，生成三維模型則更加困難；其次，針對三維人臉，用戶(hù)往往會(huì )在任意視角添加編輯，如何生成有效的編輯結果，同時(shí)保持三維一致性，是需要解決的問(wèn)題。

針對上述挑戰，SketchFaceNeRF 利用了三平面的表示方法，基于線(xiàn)稿直接預測人臉三平面特征，投影至生成模型的隱空間，得到高質(zhì)量的人臉 NeRF。多視角的三維人臉編輯問(wèn)題則被建模為優(yōu)化問(wèn)題，通過(guò)三平面的局部融合及投影方法預測初值，并基于線(xiàn)稿約束和圖像約束反向優(yōu)化隱碼，得到高質(zhì)量的人臉 NeRF 編輯效果。

Part 2 SketchFaceNeRF 算法原理

圖 3 SketchFaceNeRF 的網(wǎng)絡(luò )架構圖，生成流程。

人臉 NeRF 可控生成

給定單視角的手繪線(xiàn)稿后，直接投影到生成模型隱空間，合成的人臉存在對應性差、生成質(zhì)量低等問(wèn)題。這是因為二維稀疏線(xiàn)稿與三維人臉的差異過(guò)大，并且手繪的線(xiàn)稿風(fēng)格多樣。為解決上述問(wèn)題，提出一種逐級升維的映射方法：由于輸入線(xiàn)稿僅包含稀疏幾何信息，但三維人臉具有不同的外觀(guān)，所以首先使用自適應實(shí)例歸一化 (AdaIN [11])，將輸入的線(xiàn)稿轉換到彩色特征圖以注入顏色、光照和紋理信息。

進(jìn)一步，由于二維輸入缺乏 3D 信息，算法在體渲染的立體空間中構建 3D 特征體素，空間中的三維點(diǎn)被投影到 2D 特征圖，檢索得到對應的特征。最后，在 x,y,z 三個(gè)軸對三維體素進(jìn)行形狀變換，再基于 2D 卷積網(wǎng)絡(luò )得到三平面特征圖。為了生成高質(zhì)量的人臉 NeRF，三平面被反投影到生成模型的隱空間，得到隱碼表示的人臉 NeRF 模型。

訓練過(guò)程分為兩步：首先，使用 EG3D 構建多視角的訓練數據。輸入線(xiàn)稿預測三平面后，基于原本 EG3D 的渲染網(wǎng)絡(luò )生成其他視角的圖像，并使用真值作監督，完成線(xiàn)稿三平面預測網(wǎng)絡(luò )的訓練。然后，固定線(xiàn)稿三平面預測網(wǎng)絡(luò )的權重，訓練投影網(wǎng)絡(luò )，將三平面特征投影至 EG3D 的隱空間。

圖 4 SketchFaceNeRF 的網(wǎng)絡(luò )架構圖，編輯流程。

人臉 NeRF 精確編輯

為了支持任意視角的線(xiàn)稿人臉編輯，該工作提出一種三維一致的人臉線(xiàn)稿渲染方法，為 EG3D 添加額外的線(xiàn)稿生成分支，與圖像生成分支共享相同的 StyleGAN 主干網(wǎng)絡(luò )，但具有不同的****和超分辨率模塊。訓練過(guò)程則使用線(xiàn)稿真值作監督，并添加正則化項約束線(xiàn)稿視角一致性。

在生成的三維線(xiàn)稿基礎上，用戶(hù)對局部區域進(jìn)行修改，繪制出新的線(xiàn)稿。由于單視角的線(xiàn)稿輸入存在遮擋等問(wèn)題，無(wú)法表示完整原本的三維信息，因此直接推理難以保持編輯前后的非編輯區域一致性。

為此，將人臉的 NeRF 的精細化編輯問(wèn)題建模為優(yōu)化問(wèn)題。該工作先提出一種初值預測方法：使用與生成過(guò)程共享的線(xiàn)稿三平面預測網(wǎng)絡(luò )，先直接預測得到線(xiàn)稿對應的三平面特征。為了保持非編輯區域的不變，進(jìn)一步將線(xiàn)稿生成的三平面與原始的三平面特征進(jìn)行融合，并使用與生成過(guò)程共享的編碼網(wǎng)絡(luò )，將三平面反投影至生成模型的隱空間，得到人臉的編輯的初值。

進(jìn)一步，提出反向優(yōu)化方法實(shí)現三維人臉的精細化編輯。具體而言，算法通過(guò)線(xiàn)稿生成分支渲染出合成線(xiàn)稿，在編輯區域與手繪線(xiàn)稿計算相似度。同時(shí)，在非編輯區域，圖像生成分支渲染出人臉圖像，與原始圖像計算相似度。為了保證編輯前后的空間一致性，進(jìn)一步約束非編輯區域的光線(xiàn)采樣點(diǎn)特征相同?；谏鲜黾s束，反向優(yōu)化隱碼，實(shí)現人臉的精細化編輯。