FastAvatar：面向统一且快速的3D化身重建的大型高斯重建变换器
计算机视觉与模式识别
2026-03-03 v2
摘要
尽管3D化身重建取得了显著进展，但仍面临时间复杂性高、数据质量敏感以及数据利用率低等挑战。我们提出FastAvatar，一个前馈式3D化身框架，能够灵活地利用多样化的日常录制(例如单个图像、多视图观察或单目视频)在几秒钟内仅用单个统一模型即可重建高质量的3D高斯溅射(3DGS)模型。FastAvatar的核心是大型高斯重建变换器(LGRT)，其包含三个关键设计：首先，一个3DGS变换器对多帧线索进行聚合，同时注入初始3D提示，以预测对应的已注册标准化3DGS表示；其次，多粒度指导编码(相机姿态、表情系数、头部姿态)缓解由于变长输入导致的动画引起的对齐问题；最后，通过地标跟踪和切片融合损失实现增量高斯聚合。整合这些特征，FastAvatar实现了增量式重建，即在不浪费输入数据的情况下，随观察次数的增加而提高质量。这为高度可用性的3D化身建模提供了质量-速度-可调范式。大量实验表明，FastAvatar在质量和速度方面均优于现有方法。
引用
@article{arxiv.2508.19754,
title = {FastAvatar: Towards Unified and Fast 3D Avatar Reconstruction with Large Gaussian Reconstruction Transformers},
author = {Yue Wu and Xuanhong Chen and Yufan Wu and Wen Li and Yuxi Lu and Kairui Feng},
journal= {arXiv preprint arXiv:2508.19754},
year = {2026}
}