PanoLAM：用于单张无姿态图像高斯全头合成的大型头像模型
计算机视觉与模式识别
2025-10-13 v2
摘要
我们提出了一个用于从单张无姿态图像进行高斯全头合成的前馈框架。与依赖耗时的GAN反演和测试时优化的先前工作不同，我们的框架可以在单次前向传播中从单张无姿态图像重建高斯全头模型。这使得推理过程中的快速重建和渲染成为可能。为了缓解大规模3D头部资产的缺乏，我们提出了一个从训练好的3D GAN生成的大规模合成数据集，并仅使用合成数据训练我们的框架。为了实现高效的高保真生成，我们引入了一个从粗到细的高斯头部生成流程，其中FLAME模型的稀疏点通过transformer块与图像特征交互，进行特征提取和粗略形状重建，然后将其加密以进行高保真重建。为了充分利用预训练3D GAN中存在的先验知识进行有效重建，我们提出了一个双分支框架，该框架有效地聚合了结构化的球形三平面特征和非结构化的基于点的特征，以实现更有效的重建。实验结果证明了我们的框架相对于现有工作的有效性。项目页面：https://panolam.github.io/。
引用
@article{arxiv.2509.07552,
title = {PanoLAM: Large Avatar Model for Gaussian Full-Head Synthesis from One-shot Unposed Image},
author = {Peng Li and Yisheng He and Yingdong Hu and Yuan Dong and Weihao Yuan and Yuan Liu and Siyu Zhu and Gang Cheng and Zilong Dong and Yike Guo},
journal= {arXiv preprint arXiv:2509.07552},
year = {2025}
}