买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南昌市小核桃科技有限公司

摘要：本发明提出了一种基于神经符号距离场的三维一致性面部生成方法，结合了轻量级NeRF‑GAN和基于风格的神经上采样器，所提出的NeRF‑GAN采用多分辨率哈希网格作为场景表示的编码器，可有效提高训练速度，为了解决多视图图像的不一致性问题，在所提出的神经上采样器中集成了一种额外的自监督方法，此外，SDF建模能够生成更高质量的3D模型，实验结果表明，本方法优于基准方法，尤其是合成的图像在高分辨率下依然保持了高质量和细节，展示了其卓越的性能。

主权项：1.一种基于神经符号距离场的三维一致性面部生成方法，其特征在于，包括以下步骤：步骤S1：获取人脸相关数据，从FFHQ数据集中获取人脸RGB图像；步骤S2：创建一个基于神经符号距离场SDF的体积渲染网络，初始化网络超参数；步骤S3：采用可学习的多分辨率哈希网格对三维点和射线方向进行哈希编码，并使用一个潜在的映射网络处理潜在编码，将映射后的潜在编码与哈希编码作为所设计的NeRF-GAN生成器的输入；步骤S4：NeRF-GAN生成器输出采样点的SDF值、特征值和RGB颜色，并采用2D噪声注入的方式；轻量级NeRF-GAN采用由LeakyReLU激活的三层MLP作为其映射网络，将潜在编码通过映射网络得到潜在向量，来自潜在空间的潜在向量通过特征线性调制FiLM进行仿射变换，注入映射网络的每一层，并将映射网络扩展为8层，作为基于样式的神经上采样器的映射网络，每个SURF块接收潜在空间的潜在向量作为噪声输入，通过可学习线性层为每个块生成频率和相移，并通过周期性激活函数注入噪声；将SURF块表示为：，，，，，，其中表示第层的输入，和是全连接层的权重矩阵和偏移向量，分别表示3个全连接层，SURF层输出的中间向量分别经过两个全连接层和，生成特征向量和SDF值，线性层和激活函数用于将和转化为体渲染所需的RGB值和体密度，其中是可学习的激活函数；生成的SDF值用于后续提取mesh模型，训练参数来指示表面的紧密程度，并将SDF值用于体渲染，采用公式将SDF值转换为空间体积密度；步骤S5：采用体积渲染来合成分辨率为64×64的图像，同时额外渲染了携带生成过程中先验知识的特征图F；步骤S6：设计一种基于风格的神经上采样器，对特征图进行处理，生成高分辨率的二维图像，并采用两阶段的监督方式；步骤S7：计算对抗损失、相机位姿损失、Eikonal损失和一致性损失，优化生成模型。

全文数据：

权利要求：

百度查询： 南昌市小核桃科技有限公司 一种基于神经符号距离场的三维一致性面部生成方法