Компьютерная наука > Компютерное видение и распознавание шаблонов [представлен 16 октября 2026 года] Название: EGGHead: Effectied Gassian Heads of the Only Image View PDF HTML (экспериментальное) Резюме: Создание фотореалистичных человеческих голов, как правило, сопряжено с компромиссом между репрезентативностью, эффективностью и общей способностью. Традиционные решения на основе сетчатой системы, опирающиеся на 3ДММ, как правило, приносят в жертву силу представительства, но являются эффективными для реализации. С другой стороны, основанные на НОРФ методы повышают представленность и верность при одновременном ущербе эффективности. Гассианские методы сфлятирования пытаются разрешить эти компромиссы, предлагая как высокую репрезентативность, так и эффективность в режиме реального времени. Тем не менее их эффективность зависит от числа растерянных гауссанцев, и время, необходимое для оптимизации и подготовки головы (время приема в школу), часто является высоким. В свете этого мы предлагаем EGGhead, который вводит новый гауссианский алгоритм распределения, который эффективно распределяет Гауссия в семантические области головы при условии фиксированного бюджета Госсии. Наш алгоритм уменьшает количество нужных гауссанцев, сводя к минимуму влияние на репрезентативность. EGHead работает в одном переднем пропуске и превосходит предыдущие методы моделирования лица с одним изображением в качестве реконструкции, новаторском синтезе просмотра и создании скоростей. Дополнительные ссылки и…
Глав ЭГГ: Эффективные общие головы гаусса из единого изображения
arXiv: 2610.26898v1 Annualce Type: New Human Abstract: Englishing Photoreistics Human Головы обычно предполагают компромисс между репрезентативностью, эффективностью и общей способностью. Традиционные решения на основе сетчатой системы, опирающиеся на 3ДММ, как правило, приносят в жертву силу представительства, но являются эффективными для реализации. С другой стороны, основанные на НОРФ методы повышают представленность и верность при одновременном ущербе эффективности. Гассианские методы сфлятирования пытаются разрешить эти компромиссы, предлагая как высокую репрезентативность, так и эффективность в режиме реального времени. Тем не менее их эффективность зависит от числа растерянных гауссанцев, и время, необходимое для оптимизации и подготовки головы (время приема в школу), часто является высоким. В свете этого мы предлагаем EGGhead, который вводит новый гауссианский алгоритм распределения, который эффективно распределяет Гауссия в семантические области головы при условии фиксированного бюджета Госсии. Наш алгоритм сокращает количество нужных гауссанцев, сводя к минимуму воздействие