EDGAR：利用合成失败案例，通过扩散模型高效优化高斯虚拟人像
EDGAR是一种条件扩散方法，旨在减少高斯虚拟人像中的瑕疵，同时保留人物身份。研究团队构建了一个结合真实与合成劣化渲染样本的数据集。该模型将自监督模型Sapiens提取的身份特征注入单步扩散骨干网络，并采用混合专家架构处理不同类型和程度的劣化。优化后的多视角渲染结果随后作为伪目标，用于优化虚拟人像，因此无需对每一帧输出都运行EDGAR。在三种重建方法上的测试显示，其效果优于原始输出和SDEdit类基线方法。代码已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。