AHS：基于合成数据增强的自适应头部合成
计算机视觉与模式识别
2026-04-20 v1
摘要
近期的数字媒体技术发展正在增加对精细化头像操控技术的需求，尤其是头颅置换，即将一个人的头颅无缝地整合到另一个人的身体上。然而，现有方法主要依赖面部中心裁剪数据，视角有限，显著限制了其实际应用范围。它们在处理 diverse head expressions（多样化的头部表情）、不同发型以及面部区域之外的自然融合方面存在困难。为此，我们提出了自适应头部合成（Adaptive Head Synthesis, AHS），有效处理包含多种头部姿态和表情的完整上身图像。AHS 采用一种新的头部表情化合成数据增强策略，以克服自监督训练的限制，增强跨不同面部表情和姿态的泛化能力，而无需配对训练数据。综合实验表明，AHS 在挑战性真实场景中性能卓越，能够在各种头部姿态和发型下产生视觉上连贯的结果，同时保持身份识别和表情保真。值得注意的是，AHS 在面部身份识别方面具有异常鲁棒性，即使表情发生剧烈变化，亦能忠实保留配件，同时在显著头部姿态变化时保持完整性。
引用
@article{arxiv.2604.15857,
title = {AHS: Adaptive Head Synthesis via Synthetic Data Augmentations},
author = {Taewoong Kang and Hyojin Jang and Sohyun Jeong and Seunggi Moon and Gihwi Kim and Hoon Jin Jung and Jaegul choo},
journal= {arXiv preprint arXiv:2604.15857},
year = {2026}
}
备注
CVPR 2026, Project Page : https://keh0t0.github.io/AHS/