GeoAvatar：用于3D头部虚拟形象的自适应几何高斯泼溅
图形学
2025-07-25 v1 计算机视觉与模式识别
机器学习
摘要
尽管在3D头部虚拟形象生成方面取得了近期进展，但在平衡身份保持（即重建）与新颖姿态和表情（即动画）方面仍然存在挑战。现有方法难以使高斯体适应不同面部区域变化的几何偏差，导致次优质量。为解决此问题，我们提出了GeoAvatar，一个自适应几何高斯泼溅框架。GeoAvatar利用自适应预分配阶段（APS），一种无监督方法，将高斯体分割为刚性和柔性集合，以实现自适应偏移正则化。然后，基于嘴部解剖结构和动力学，我们引入了一种新颖的嘴部结构和逐部分变形策略，以增强嘴部的动画保真度。最后，我们提出了一种正则化损失，用于高斯体与3DMM人脸之间的精确绑定。此外，我们发布了DynamicFace，一个包含高表现力面部动作的视频数据集。大量实验表明，在重建和新颖动画场景中，GeoAvatar相较于最先进方法具有优越性。
引用
@article{arxiv.2507.18155,
title = {GeoAvatar: Adaptive Geometrical Gaussian Splatting for 3D Head Avatar},
author = {SeungJun Moon and Hah Min Lew and Seungeun Lee and Ji-Su Kang and Gyeong-Moon Park},
journal= {arXiv preprint arXiv:2507.18155},
year = {2025}
}
备注
ICCV 2025, Project page: https://hahminlew.github.io/geoavatar/