BabyFlow：逼真且富有表现力的婴儿面部三维建模
计算机视觉与模式识别
2025-12-23 v1 人工智能
摘要
分析婴儿颅面形态有助于早期发现发育障碍，但由于数据有限且婴儿频繁出现自发表情，对婴儿面部进行建模具有挑战性。我们介绍了BabyFlow，一个生成式AI模型，它解耦了面部身份和表情，从而能够对两者进行独立控制。BabyFlow使用归一化流学习灵活的概率表示，捕捉富有表现力的婴儿面部的复杂、非线性变化，而无需施加严格的线性假设。为了解决稀缺且不受控的表情数据问题，我们进行了跨年龄表情迁移，将成人三维扫描中的表情适配过来，以丰富婴儿数据集，使其包含逼真且系统性的表情变体。因此，BabyFlow提高了三维重建的准确性，特别是在嘴巴、眼睛和鼻子等高度表情丰富的区域，并支持在保持身份的同时合成和修改婴儿表情。此外，通过与扩散模型集成，BabyFlow能够生成具有一致三维几何结构的高保真二维婴儿图像，为数据增强和早期面部分析提供了强大工具。
引用
@article{arxiv.2512.19560,
title = {BabyFlow: 3D modeling of realistic and expressive infant faces},
author = {Antonia Alomar and Mireia Masias and Marius George Linguraru and Federico M. Sukno and Gemma Piella},
journal= {arXiv preprint arXiv:2512.19560},
year = {2025}
}