AudioLift：基于多视角视频生成的音频驱动单图全头高斯数字人头像
英文标题：AudioLift: Audio-Driven Single Image to Full-Head Gaussian Avatar via Multi-view Video Generation
现有 3D 说话人头像技术多依赖 3DMM 或 FLAME 等参数化人脸模型，其紧凑的运动表征难以表现夸张表情，也无法对头饰等复杂配饰进行精细建模。为此，研究团队提出了 AudioLift，能够仅凭单张输入图像和音频，借助多视角视频生成技术构建出高保真的全头 3D 高斯（3D Gaussian Splatting）数字人。该方法突破了传统参数化模型对复杂几何与动态表情的表征瓶颈。对于虚拟人、音视频内容创作以及交互式 Agent 开发者而言，该成果显著降低了高质量 3D 对话形象资产的生成门槛。
打开原文相关 2.4 · 机会 0
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
摘要
现有的 3D 说话数字人（talking avatar）生成方法主要依赖包括 3DMM 或 FLAME 在内的参数化人脸模型，但这些模型紧凑的动作表征极大地限制了其合成极端夸张表情以及对头饰等配饰进行建模的能力。为此，研究团队提出了 AudioLift，旨在通过多视角视频生成技术，实现基于音频驱动、从单张图像构建完整的全头高斯数字人。
BibTeX 引用格式
English / 原文
BibTeX formatted citation
×