HyperGaussians：用于高保真可动画脸部头像的高维高斯溅射
摘要
我们介绍HyperGaussians，这是一种对3D高斯溅射的 novel 扩展，用于高质量可动画脸部头像。从视频中创建此类详细脸部头像是一个具有挑战性的问题，并且在增强现实和虚拟现实中具有诸多应用。虽然已实现静态脸部的显著成功，但来自单目视频的可动画头像仍处于uncanny valley之中。事实上的标准是3D高斯溅射(3DGS)，通过一组3D高斯原始表示脸部。3DGS在渲染静态脸部方面表现出色，但最新的技术仍在处理非线性形变、复杂光照效果和细节方面受限。虽然大多数相关工作专注于从表达式代码预测更好的高斯参数，但我们重新思考了3D高斯表示本身以及如何使其更具表达性。我们的见解导致了将3D高斯扩展到高维多元高斯的 novel 方法，称为'HyperGaussians'。更高的维度通过对可学习的局部嵌入进行条件化来增加表达性。然而，溅射HyperGaussians计算代价高昂，因为需要求逆高维协方差矩阵。我们通过对协方差矩阵进行 reparameterization，称为'逆协方差技巧'，解决了这一问题。该技巧提高了效率，使得HyperGaussians可以无缝集成到现有模型中。为证明这一点，我们将HyperGaussians集成到快速单目脸部可动画头像的 state-of-the-art 方法中：FlashAvatar。我们在19个受试者（来自4个面部数据集）的评估显示，HyperGaussians在数值和视觉上均优于3DGS，特别是在眼镜框、牙齿、复杂面部运动和镜面反射等高频细节方面表现更佳。
引用
@article{arxiv.2507.02803,
title = {HyperGaussians: High-Dimensional Gaussian Splatting for High-Fidelity Animatable Face Avatars},
author = {Gent Serifi and Marcel C. Buehler},
journal= {arXiv preprint arXiv:2507.02803},
year = {2026}
}
备注
CVPR 2026, Project page: https://gserifi.github.io/HyperGaussians, Code: https://github.com/gserifi/HyperGaussians