STAvatar：单目3D头像重建的软绑定与时序密度控制
计算机视觉与模式识别
2026-03-06 v3
摘要
从单目视频重建高保真且可动画化的3D头像仍是具有挑战性且必需的任务。基于3D高斯溶解的现有方法将高斯绑定到网格三角形，通过线性混合皮肤建模变形，导致刚性运动和表达受限。此外，它们缺乏针对频繁遮挡区域(如口内、眼睑内部)的专门策略。为此，我们提出STAvatar，包含两个关键组件：(1)基于UV的自适应软绑定框架，利用图像先验和几何先验在UV空间内学习每个高斯的特征偏移。该UV表示支持动态重抽样，确保与自适应密度控制(ADC)完全兼容，并增强对形状和纹理变化的适应性。(2)时序ADC策略，首先聚类结构相似的帧以实现更有针对性的密度准则计算。进而引入新颖的融合感知误差作为克隆准则，联合捕捉几何和纹理差异，鼓励在需要更细节区域的密度溶解。广泛实验表明，STAvatar在四个基准数据集上实现了状态-of-the-art重建性能，尤其在捕捉细粒度细节和重建频繁遮挡区域方面表现突出。
引用
@article{arxiv.2511.19854,
title = {STAvatar: Soft Binding and Temporal Density Control for Monocular 3D Head Avatars Reconstruction},
author = {Jiankuo Zhao and Xiangyu Zhu and Zidu Wang and Zhen Lei},
journal= {arXiv preprint arXiv:2511.19854},
year = {2026}
}
备注
Accepted to CVPR 2026. Project page: https://jiankuozhao.github.io/STAvatar/