CVPR 2023: Instant Volumetric Head Avatars

我们使用以下六个特征来刻画本文的研究主题：

1. 输入数据

• 单图像与视频序列
  • 单图像方法捕获速度更快，但可能在细节和运动模糊方面存在困难。
  • 视频序列提供更多信息，并能够重建动态方面，如表情，但需要更长的时间捕获和处理。
• 数据类型
  • 仅 RGB 提供基本颜色信息，限制了准确性和照明或材料的重建。
  • RGB-D 包括深度信息，提高了重建准确性并允许 3D 对象操作。
  • 多视图从各种角度捕获对象，增强细节并解决歧义。

2. 神经网络架构

• 神经网络类型
  • MLP 更简单、更快，但可能在复杂形状和细节方面存在困难。
  • CNN 擅长提取空间特征，适合捕捉纹理和表面变化。
  • RNN 可以处理时间信息，使其在重建动态场景方面具有价值。