HumanGaussian开源：基于Gaussian Splatting的高质量3D人体生成新框架

要点:

结构感知的SDS引入人体结构先验，同时优化外观和几何形状。

通过退火的负文本引导，确保真实结果，避免过度饱和和消除浮动伪影。

HumanGaussian框架能够生成多样、逼真的高质量3D人体模型，展现真实外观和细粒度的细节。

在3D生成领域，为了实现高质量的3D人体外观和几何形状，研究者们一直在探索自动化的生成方法。传统方法需要经历多个人工制作步骤，而最新的HumanGaussian框架通过结构感知的SDS和负文本引导等核心方法，成功解决了3D人体生成中效率与质量之间的权衡问题。

HumanGaussian引入了结构感知的SDS，利用SMPL-X网格形状初始化3D高斯中心位置。相较于以往的方法，这一框架通过缩放和变换实现合理的人体尺寸，并在3D空间中居中，为3D生成提供了更全面的初始信息。通过SDS源模型，结合RGB和深度图的结构专家分支，研究者成功构建了一个统一的模型，同时捕获外观的图像纹理和前景/背景关系的结构，促进了3D高斯的学习过程。

项目地址:https://github.com/alvinliu0/HumanGaussian

为了解决3D生成内容与文本之间的对齐问题，HumanGaussian采用了退火的负文本引导，通过结合两个分数进行监督。相较于传统方法中较大的无分类器引导尺度，这一方法能够更清晰地指导SDS损失，避免损害训练稳定性。实验证明，负文本分类器分数的退火可以在小时间步长内提高质量，同时保持稳定性，使生成更真实，消除了浮动伪影。

在性能对比实验中，HumanGaussian在3D人体生成领域取得了优越的成果，展现出更真实的外观、更连贯的结构、更好的视图一致性以及更细粒度的细节捕捉。这一创新框架的开源将有助于推动相关领域的研究和应用，为虚拟试穿、沉浸式远程呈现等应用提供更高质量的3D人体生成解决方案。

HumanGaussian作为一种有效而快速的3D人体生成框架，通过结构感知的SDS和负文本引导的创新方法，成功地平衡了效率和质量，为高质量、真实的3D人体模型的生成提供了新的思路和解决方案。这一框架的开源将为相关研究者提供有力工具，推动3D生成领域的发展。