基于动态神经高斯场的 GSwap：逼真头部替换
计算机视觉与模式识别
2026-03-25 v1
摘要
我们提出了 GSwap，一种基于动态神经高斯人像先验的新型一致且逼真的视频头部替换系统，显著提升了面部和头部替换技术的现状。不同于依赖主要依赖2D生成模型或3D Morphable Face Models（3DMM）的先前方法，我们克服了其固有局限性，包括较差的3D一致性、不自然的面部表情以及受限的合成质量。此外，现有技术在进行完整头部替换任务时难以应对，因为其整体头部建模不足且背景融合效果不佳，常导致可见的伪影和错位。为解决这些挑战，GSwap引入一种嵌入在全身 SMPL-X 表面内的内在3D高斯特征场，将2D人像视频提升为动态神经高斯场。这种创新确保了高保真度、3D一致的人像渲染，同时保持自然的头部-躯干关系和无缝的运动动态。为促进训练，我们仅需少量参考图像即可将预训练的2D人像生成模型适配到源头部领域，从而实现高效的领域适应。进一步，我们提出了神经重渲染策略，和谐地将合成的前景与原始背景集成，消除融合伪影并提升真实感。广泛的实验表明，GSwap 在视觉质量、时间一致性、身份保持和3D一致性等多个方面均优于现有方法。
引用
@article{arxiv.2603.23168,
title = {GSwap: Realistic Head Swapping with Dynamic Neural Gaussian Field},
author = {Jingtao Zhou and Xuan Gao and Dongyu Liu and Junhui Hou and Yudong Guo and Juyong Zhang},
journal= {arXiv preprint arXiv:2603.23168},
year = {2026}
}
备注
Accepted to TVCG, Project page: https://ustc3dv.github.io/GSwap/