Trong lĩnh vực chỉnh sửa khuôn mặt 3D, phương pháp sử dụng Neural Radiance Fields (NeRF) đã mang lại những hình ảnh chất lượng cao. Tuy nhiên, các kỹ thuật hiện tại thường bị hạn chế về khả năng kiểm soát do phụ thuộc vào mặt nạ phân đoạn được đào tạo trước. Để tạo ra các mặt nạ với bố cục mong muốn, cần một lượng dữ liệu huấn luyện lớn, điều này không dễ dàng thực hiện.
Nhóm nghiên cứu gồm Kwan Yun, Chaelin Kim, Hangyeul Shin và Junyong Noh đã giới thiệu FFaceNeRF, một kỹ thuật chỉnh sửa khuôn mặt dựa trên NeRF, khắc phục được hạn chế này. Phương pháp này sử dụng bộ điều chỉnh hình học với chức năng tiêm đặc trưng, cho phép thao tác hiệu quả các thuộc tính hình học. Đồng thời, bằng cách áp dụng trộn tiềm ẩn để tăng cường tri-plane, FFaceNeRF có thể huấn luyện với ít mẫu dữ liệu.
Kỹ thuật này không chỉ giúp mô hình thích ứng nhanh với các bố cục mặt nạ mong muốn mà còn mở ra tiềm năng ứng dụng trong các lĩnh vực như hình ảnh y tế cá nhân hóa hay chỉnh sửa khuôn mặt sáng tạo. Kết quả đánh giá cho thấy FFaceNeRF vượt trội so với các phương pháp hiện có về tính linh hoạt, khả năng kiểm soát và chất lượng hình ảnh tạo ra, đặt nền móng cho sự phát triển của công nghệ chỉnh sửa 3D tùy chỉnh và chất lượng cao.
Bạn có thể truy cập mã nguồn và thông tin chi tiết tại trang dự án. Nghiên cứu này đã được công bố tại CVPR 2025 với 11 trang và 14 hình minh họa.
