SplitAvatar：基于自回归高斯分割的单张人脸头像
计算机视觉与模式识别
2026-05-26 v1
摘要
3D 高斯溶解（3DGS）提供了一种使用各向异性高斯进行高质量场景重建的有效方法。最近的 3DGS 方法显著提升了人类头像的渲染质量，同时实现了实时性能。然而，现有方法在基于图像和 3DMM 方法生成的高斯数量之间存在数量失配，导致重建的表情缺乏细粒度细节。本文提出了一种从单张图像重建可动画化头部头像的方法。我们提出了图分割网络（Graph splitting network），采用自回归架构从粗到细逐步生成高斯。为解决分割高斯导致的图不一致问题，我们采用一种网格拓扑扩展方法，将 GNN 的连通性与增加的高斯数量相匹配。此外，我们引入一种新颖的密度控制方法，包含一个门控机制，为高斯生成软掩码，防止分割操作后的过度密集化。这使得可以在不同面部区域实现动态的高斯密度控制。为实现平滑快速的训练，我们采用延迟滤波策略，避免在训练期间重新计算图拓扑。实验结果表明，我们的自回归结构有效地通过逐步分割高斯提升了表情表征能力。这一以 GNN 指导下的分割过程合成了更精确的面部细节，实现了更高的重建质量。
引用
@article{arxiv.2605.25751,
title = {SplitAvatar: One-shot Head Avatar with Autoregressive Gaussian Splitting},
author = {Hongzhe Liao and Chuhua Xian and Hongmin Cai and Haiyang Liu and Fa-Ting Hong},
journal= {arXiv preprint arXiv:2605.25751},
year = {2026}
}