Any3DAvatar: 単一ポートレート画像から高速かつ高品質なフルヘッド3Dアバターを復元

要旨: 単一のポートレートから完全な3D頭部を復元することは依然として難しい。既存手法が直面しているのは、鋭い品質と速度のトレードオフだからである。高忠実度のパイプラインはしばしば複数段階の処理と被写体ごとの最適化に依存する一方で、高速のフィードフォワードモデルは完全なジオメトリや細かな外観のディテールの再現に苦戦する。そこでこのギャップを埋めるために、我々はAny3DAvatarを提案する。Any3DAvatarは、単一画像から3Dガウス頭部アバターを高速かつ高品質に生成する手法であり、最速設定では1秒未満で全頭部を復元しつつ、高忠実度のジオメトリとテクスチャを保持する。第一に、アイデンティティの多様性、密な多視点の教師信号、現実的なアクセサリを統合した統一データスイートであるAnyHeadを構築し、既存の頭部データにおける主な欠落—カバレッジ、全頭部のジオメトリ、複雑な外観—を補う。第二に、非構造のノイズをサンプリングするのではなく、Pl"uckerに配慮した構造化3Dガウスの足場（スキャフォールド）から初期化し、ワンステップの条件付きデノイジングを行う。これにより、全頭部の復元を単一のフォワードパスに落とし込みつつ、高い忠実度を維持する。第三に、3Dガウスの復元に加えて、同一の潜在トークンに対して視点条件付きの補助的な外観教師信号を導入し、追加の推論コストなしで新規視点のテクスチャの詳細を改善する。実験の結果、Any3DAvatarは、レンダリング忠実度の点で従来の単一画像による全頭部復元手法を上回り、かつ大幅に高速であることが示された。