研究人员开发了SHELLS，一种用于从多视图图像进行三维头部重建的新框架，该框架显著减少了内存使用并提高了推理速度。与先前将特征采样与网格分辨率绑定的方法不同，SHELLS使用分层策略解耦了这些过程。这种方法可以实现更具可扩展性且噪声更小的重建，速度提高了3.5倍，GPU内存使用量减少了88%。 AI
影响 这种新的三维头部重建方法提供了显著的效率提升，有可能使其在需要详细三维模型的应用中得到更广泛的应用。
排序理由 该集群包含一篇详细介绍三维头部重建新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.31283v1 Announce Type: new Abstract: We present SHELLS (Semantic Head Estimation via Layered Local Sampling), an efficient feed-forward framework for 3D head reconstruction in dense semantic correspondence from multi-view images. Existing methods typically refine verti…
We present SHELLS (Semantic Head Estimation via Layered Local Sampling), an efficient feed-forward framework for 3D head reconstruction in dense semantic correspondence from multi-view images. Existing methods typically refine vertices independently via localized feature volumes.…