PartNerFace：基于部件的神经辐射场用于可动画面部头像重建
计算机视觉与模式识别
2026-04-16 v1
摘要
我们提出了 PartNerFace，这是一种基于部件的神经辐射场方法，用于从单目RGB视频重建可动画面部头像。现有方法要么仅依据可变形模型参数对隐式网络进行条件化，要么学习虚构的标准 radiance 场，导致其无法对未见过的面部表情进行泛化，也无法捕捉细粒度运动细节。为此，我们首先应用基于参数化头部模型的逆皮肤变形，将观察到的点映射到标准空间，然后通过部件变形场来建模细粒度运动。我们的关键见解是，不同面部部件的变形应以不同方式进行建模。具体而言，我们的部件变形场由多个局部 MLP 组成，这些局部 MLP 会自适应地将标准空间划分为不同部件，其中，3D 点的变形通过软加权机制对所有局部 MLP 的预测进行聚合。大量实验表明，我们的方法在未见表情上具有良好的泛化能力，能够建模细粒度面部运动，在定量和定性方面均优于最新方法。
引用
@article{arxiv.2604.13918,
title = {PartNerFace: Part-based Neural Radiance Fields for Animatable Facial Avatar Reconstruction},
author = {Xianggang Yu and Lingteng Qiu and Xiaohang Ren and Guanying Chen and Shuguang Cui and Xiaoguang Han and Baoyuan Wang},
journal= {arXiv preprint arXiv:2604.13918},
year = {2026}
}