AGORA：面向实时可动画3D高斯头类人物的对抗式生成
计算机视觉与模式识别
2026-03-26 v3
摘要
高保真、可动画的3D人类类人物的生成始终是计算机图形和视觉领域的核心挑战，广泛应用于VR、远程存在和娱乐等场景。现有方法基于NeRF等隐式表示 suffer 于渲染缓慢和动态不一致，而3D高斯溅写（3DGS）方法通常仅限于静态头部生成，缺乏动态控制。我们通过引入AGORA框架，将3DGS扩展至生成对抗网络中，以产生可动画类人物。我们的公式化结合了空间形状条件化与双判别器训练策略，对渲染外观和合成几何线索进行监督，提高了表情保真度和可控性。为实现实际部署，我们进一步引入一种简单的方法，在推理时提取高斯混合形状并用于设备上的动画。AGORA生成的类人物在视觉上真实、可精确控制，并在可动画生成头类人物方法中实现最佳性能。定量上，我们在单GPU上实现560 FPS，在移动设备上实现60 FPS，为实际的高性能数字人类提供了重要进展。项目网站：https://ramazan793.github.io/AGORA/
引用
@article{arxiv.2512.06438,
title = {AGORA: Adversarial Generation Of Real-time Animatable 3D Gaussian Head Avatars},
author = {Ramazan Fazylov and Sergey Zagoruyko and Aleksandr Parkin and Stamatis Lefkimmiatis and Ivan Laptev},
journal= {arXiv preprint arXiv:2512.06438},
year = {2026}
}
备注
Extended the method to support mobile devices; updated experiments, results and supplementary