GDPO-听者：基于自回归流匹配与群奖励解耦策略优化的表达性交互式头部生成
计算机视觉与模式识别
2026-03-27 v1
摘要
为 dyadic 互动生成逼真的 3D 头部运动是虚拟人类合成中的重要挑战. 虽然 recent 方法在说话头部方面取得了令人瞩目的成果，但频繁出现 listener 动作"回归到均值"问题，导致面部僵硬，且缺乏复杂非语言动作的 参数空间. 本文提出 GDPO-Listener，一个 novel 框架，实现高度表达的说话和听者运动生成. 首先，我们引入 Auto-Regressive Flow Matching 架构实现稳定的监督学习. 为克服运动僵硬，我们应用 Group reward-Decoupled Policy Optimization (GDPO). 通过在不同 FLAME 参数组之间隔离奖励归一化，GDPO 明确激励高方差表达生成. 最后，我们实现语义文本的显式控制，以实现可定制的响应. 大规模评估表明，在Seamless Interaction 和 DualTalk 数据集上，GDPO-Listener 在长期运动方差、视觉表达性和语义可控性方面显著优于现有基线.
引用
@article{arxiv.2603.25020,
title = {GDPO-Listener: Expressive Interactive Head Generation via Auto-Regressive Flow Matching and Group reward-Decoupled Policy Optimization},
author = {Zhangyu Jin and Maksim Siniukov and Deuksin Kwon and Ashutosh Chaubey and Mohammad Soleymani},
journal= {arXiv preprint arXiv:2603.25020},
year = {2026}
}