VedicTHG：面向教育虚拟形象的低资源说话人脸生成的符号化吠陀计算
计算机视觉与模式识别
2026-02-10 v1 计算几何
摘要
说话人脸虚拟形象越来越多地被用于教育技术中，以提供具有社交临场感和更高参与度的内容。然而，许多最近的说话人脸生成(THG)方法依赖于以GPU为中心的神经渲染、大型训练集或高容量扩散模型，这限制了其在离线或资源受限的学习环境中的部署。本文描述了一个确定性的、面向CPU的THG框架，称为符号化吠陀计算，它将语音转换为时间对齐的音素流，将音素映射到紧凑的视位库，并通过受吠陀经句Urdhva Tiryakbhyam启发的符号化协同发音生成平滑的视位轨迹。一个轻量级的2D渲染器执行感兴趣区域(ROI)扭曲和嘴部合成并带有稳定功能，以支持在商用CPU上的实时合成。实验报告了在仅CPU执行下的同步精度、时间稳定性和身份一致性，并与具有代表性的CPU可行基线进行了比较。结果表明，在显著降低计算负载和延迟的同时，可以实现可接受的唇形同步质量，从而支持在低端硬件上实现实用的教育虚拟形象。GitHub: https://vineetkumarrakesh.github.io/vedicthg
引用
@article{arxiv.2602.08775,
title = {VedicTHG: Symbolic Vedic Computation for Low-Resource Talking-Head Generation in Educational Avatars},
author = {Vineet Kumar Rakesh and Ahana Bhattacharjee and Soumya Mazumdar and Tapas Samanta and Hemendra Kumar Pandey and Amitabha Das and Sarbajit Pal},
journal= {arXiv preprint arXiv:2602.08775},
year = {2026}
}