基于多张源图像的人脸动画

近年来，由于广泛的应用前景，人脸动画受到研究者大量关注。许多基于光流或深度神经网络的人脸动画模型已取得巨大成功。然而，这些模型在视角变化显著的动画场景中易失败，导致不真实或扭曲的人脸。可能的原因之一是此类模型缺乏人脸先验知识，且不擅长想象其从未见过的面部区域。本文提出一种灵活且通用的、无需额外训练即可提升人脸动画性能的方法。我们使用多张源图像作为输入，以补偿人脸先验知识的缺失。实验证明了方法的有效性，所提方法成功补充了基线方法。