面向表达性头像重建的结构感知细粒度高斯溅射
计算机视觉与模式识别
2026-04-13 v1
摘要
从单目视频中重建光滑逼真且拓扑感知的人类头像 remains 是计算机视觉和图形学中的重要挑战。虽然现有的 3D 人类头像建模方法能够有效捕获身体运动，但往往难以准确建模诸如手部动作和面部表情等细节。为此，我们提出结构感知细粒度高斯溅射（SFGS），一种从单目视频序列重建表达性且连贯的全身 3D 人类头像的新方法。SFGS 使用空间特征的三平面和时间感知的六平面来捕获连续帧中的动态特征。设计了结构感知的高斯模块，以在空间上连贯的方式捕获姿态相关细节并提高姿态和纹理表达。为更好地建模手部变形，我们还提出了基于细粒度手部重建的残差细化模块。该方法仅需单阶段训练，在定量和定性评估中均优于最先进（SOTA）基准，生成具有自然运动和细节的高保真头像。代码已发布于 Github: https://github.com/Su245811YZ/SFGS
引用
@article{arxiv.2604.09324,
title = {Structure-Aware Fine-Grained Gaussian Splatting for Expressive Avatar Reconstruction},
author = {Yuze Su and Hongsong Wang and Jie Gui and Liang Wang},
journal= {arXiv preprint arXiv:2604.09324},
year = {2026}
}
备注
The code is on Github: https://github.com/Su245811YZ/SFGS