HeadLighter：基于光场捕获用于生成式3D高斯头部的照明解耦
计算机视觉与模式识别
2026-01-27 v2
摘要
近期基于3D高斯溅写的3D感知头部生成模型实现了实时、逼真且视图一致的头部合成。然而仍存在根本性局限性：照明与固有外观的深度耦合阻碍了可控式换光。现有解耦方法依赖强假设进行弱监督学习，限制了其处理复杂照明的能力。为此，我们引入HeadLighter，一个 novel 的监督式框架，用于在头部生成模型中实现外观与照明的物理合理分解。具体而言，我们设计双分支架构，分别建模lighting-invariant的头部属性和物理驱动的渲染组件。采用渐进式解耦训练，逐步将头部外观先验注入生成式架构，由光场实验室捕获的多视图图像（在受控光照下）提供监督。我们进一步引入蒸馏策略，以生成高质量法线实现真实渲染。实验表明，我们的方法在保持高质量生成和实时渲染的同时，同时支持显式式lighting和视图编辑。我们将公开代码和数据集。
引用
@article{arxiv.2601.02103,
title = {HeadLighter: Disentangling Illumination in Generative 3D Gaussian Heads via Lightstage Captures},
author = {Yating Wang and Yuan Sun and Xuan Wang and Ran Yi and Boyao Zhou and Yipengjing Sun and Hongyu Liu and Yinuo Wang and Lizhuang Ma},
journal= {arXiv preprint arXiv:2601.02103},
year = {2026}
}