我们提出了DINAR，一种利用单个RGB图像创建逼真可调节全身人物形象的方法。与之前的作品类似，我们的方法使用神经纹理和SMPL-X身体模型相结合，以实现人物形象的照片级真实质量，并且在保持易于动画和推断速度快的同时。为了恢复纹理，我们使用了一个潜在扩散模型，并展示了这种模型如何在神经纹理空间中进行训练。使用扩散模型可以让我们在前视下为例缺失的大面积区域（如人的背部）真实地重建。我们的流程中的模型仅使用2D图像和视频进行训练。在实验中，我们的方法实现了最先进的渲染质量，并且在新的姿势和视角方面具有良好的泛化能力。特别地，该方法提高了SnapshotPeople公共基准测试的最先进水平。
论文链接：http://arxiv.org/pdf/2303.09375v1
更多计算机论文：http://cspaper.cn/