DreamAvatar: Text-and-Shape Guided 3D Human Avatar Generation via Diffusion Models
The University of Hong Kong（香港大学）；ARC Lab, Tencent PCG（腾讯平台与内容事业群ARC实验室）
DreamAvatar利用可训练NeRF、预训练文本到图像扩散模型及SMPL形状姿态引导，通过双观察空间联合优化和全身与头部损失联合优化，显著提升了可控姿态的高质量3D人体化身生成效果。
2023-11-30 cs.CV
AvatarMakeup: Realistic Makeup Transfer for 3D Animatable Head Avatars
Institute of Information Science and Visual Intelligence + X International Joint Laboratory, Beijing Jiaotong University（信息科学与视觉智能+X联合实验室，北京交通大学）；College of Electrical Engineering and Automation, Shandong University of Science and Technology（电气工程与自动化学院，山东科技大学）；School of Mathematical Sciences, University of Science and Technology of China（数学科学学院，中国科学技术大学）
针对3D虚拟形象妆容迁移中表情一致性、身份保持和细节控制不足的问题，提出AvatarMakeup方法，利用预训练扩散模型和由粗到细策略，结合Coherent Duplication与Refinement Module，实现高质量且动画一致的妆容迁移。
2025-07-07 cs.CV
UltrAvatar: A Realistic Animatable 3D Avatar Diffusion Model with Authenticity Guided Textures
OPPO US Research Center, InnoPeak Technology, Inc.（OPPO美国研发中心，InnoPeak科技公司）；Westlake University（西湖大学）
本文提出UltrAvatar，通过漫反射颜色提取和真实感引导纹理扩散模型，生成几何保真、PBR纹理逼真且可驱动的3D头像，显著优于现有方法。
2024-09-30 cs.CV
AgentAvatar: Disentangling Planning, Driving and Rendering for Photorealistic Avatar Agents
AgentAvatar提出将LLM规划、任务无关驱动引擎与神经渲染器解耦的框架，实现化身智能体在单人和双人非言语交互中的照片级真实感面部动画生成。
2023-12-04 cs.CV
DreamWaltz: Make a Scene with Complex 3D Animatable Avatars
International Digital Economy Academy (IDEA)（国际数字经济学院（IDEA））；University of Science and Technology of China（中国科学技术大学）
针对文本生成高质量可驱动3D虚拟形象的难题，提出DreamWaltz框架，通过遮挡感知3D一致SDS与3D骨架条件生成无伪影虚拟形象，可直接驱动任意姿态并构建多类型交互复杂场景。
2023-11-06 cs.CV cs.LG
TALK-Act: Enhance Textural-Awareness for 2D Speaking Avatar Reenactment with Diffusion Model
Tsinghua University（清华大学）；University of Science and Technology of China（中国科学技术大学）；Baidu Inc.（百度公司）；Zhongguancun Laboratory（中关村实验室）；Nanyang Technological University（南洋理工大学）
提出TALK-Act框架，通过运动增强纹理对齐和基于记忆的手部恢复模块，利用扩散模型从短片段实现高保真2D说话头像重演。
2024-10-14 cs.CV cs.GR
MagicMirror: Fast and High-Quality Avatar Generation with a Constrained Search Space
Google（谷歌）；Northeastern University（东北大学）；ETH Zürich（苏黎世联邦理工学院）；Google DeepMind（谷歌DeepMind）
本文提出MagicMirror框架，通过条件NeRF、文本到图像扩散模型几何先验和变分分数蒸馏优化，在受限搜索空间中实现快速、高质量且符合文本提示的三维人体虚拟形象生成。
2024-04-01 cs.CV
FaceCraft4D: Animated 3D Facial Avatar Generation from a Single Image
University of Cambridge（剑桥大学）；Stability AI
提出FaceCraft4D框架，利用形状、图像和视频先验从单张图像生成高质量可动画4D面部化身，通过3D-GAN反演、深度引导纹理增强和一致性-不一致性训练，实现跨视角和表情的优越一致性。
2025-04-21 cs.CV
Reality's Canvas, Language's Brush: Crafting 3D Avatars from Monocular Video
Huawei London Research Center（华为伦敦研究中心）；Technical University of Munich（慕尼黑工业大学）
本文提出完全可微分管线ReCaLaB，仅从单一RGB视频学习高保真3D人类虚拟化身，结合可变形NeRF与文本提示控制位姿、纹理等，并利用扩散模型生成未见运动视频，在图像质量上超越以往单目方法。
2024-03-24 cs.CV
Dual Diffusion Models for Multi-modal Guided 3D Avatar Generation
Beihang University（北航大学）；KAUST（卡塔尔科技大学）
本文提出PromptAvatar，通过双扩散模型实现多模态引导的3D人像生成，提升生成质量与效率。
2026-03-04 cs.CV
RANA: Relightable Articulated Neural Avatars
NVIDIA（英伟达）；University of Surrey（萨里大学）
我们提出了RANA，一个relihtable和铰接神经化身的真实感合成的人在任意的观点，身体姿势和照明。我们只需要一个简短的视频剪辑的人来创建化身，并假设没有知识的照明环境。我们提出了一个新的框架来建模人类，同时从单眼RGB视频中解开他们的几何形状，纹理和照明环境。为了简化这个不适定的任务，我们首先通过SMPL+D模型拟合来估计人的粗略几何形状和纹理，然后学习用于照片级真实感图像生成的铰接神经表示。RANA首先生成人在任何给定目标身体姿势下的法线和抛物线图，然后使用球谐照明来生成目标照明环境中的阴影图像。我们还建议使用合成图像预训练RANA，并证明它可以更好地解决几何和纹理之间的纠缠，同时还可以提高对新身体姿势的鲁棒性。最后，我们还提出了一个新的真实感合成数据集，重新照亮人类，定量评估所提出的方法的性能。
2022-12-06 cs.CV
AvatarStudio: High-fidelity and Animatable 3D Avatar Creation from Text
University of Technology Sydney（悉尼科技大学）；ByteDance Inc.（字节跳动公司）；Zhejiang University（浙江大学）
本文提出AvatarStudio，一种从粗到细的文本驱动3D化身生成模型，通过结合NeRF、SMPL关节网格和DensePose条件扩散模型，实现高保真、可动画化且姿态可控的化身创建。
2023-11-29 cs.CV cs.GR
Follow Your Motion: A Generic Temporal Consistency Portrait Editing Framework with Trajectory Guidance
提出一种通用肖像编辑框架FYM，利用扩散模型学习运动轨迹并引入动态重加权注意力机制，以解决说话头编辑中的时间一致性问题，优于现有方法。
2025-03-28 cs.CV
HeadSculpt: Crafting 3D Head Avatars with Text
University of Surrey（萨里大学）；The University of Hong Kong（香港大学）；Imperial College London（帝国理工学院）；iFlyTek-Surrey Joint Research Centre on AI（科大讯飞-萨里人工智能联合研究中心）；Surrey Institute for People-Centred AI（萨里以人为本人工智能研究所）
针对现有文本生成3D头部头像缺乏3D感知和细粒度编辑能力的问题，提出从粗到细的HeadSculpt流程，结合地标控制、文本嵌入和身份感知分数蒸馏，实现高保真生成与编辑。
2023-08-29 cs.CV
TEDRA: Text-based Editing of Dynamic and Photoreal Actors
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；University of Freiburg（弗莱堡大学）；Saarbrücken Research Center for Visual Computing, Interaction and AI（萨尔布吕肯视觉计算、交互与人工智能研究中心）
提出TEDRA，首个基于文本编辑动态3D虚拟形象的方法，通过个性化扩散模型和PNA-SDS技术实现高保真、时空连贯的服装风格编辑，支持骨骼姿态与视角控制。
2024-08-28 cs.CV
AvatarStudio: Text-driven Editing of 3D Dynamic Human Head Avatars
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Saarland University（萨尔大学）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；University of Freiburg（弗赖堡大学）
本文提出AvatarStudio，结合个性化文本到图像扩散模型与VT-SDS，在NeRF表示中实现文本驱动的动态全头外观编辑，并通过形变网络保证3D与时间一致性。
2023-06-02 cs.CV cs.GR
Text-Conditional Contextualized Avatars For Zero-Shot Personalization
Meta AI
本文提出一种零样本文本条件虚拟形象个性化生成流程，无需训练即可扩展至百万用户，并设计文本到3D姿态扩散模型，利用大规模图像数据学习人体姿态，显著超越现有文本到运动模型。
2023-04-14 cs.AI cs.CV
AvatarGO: Zero-shot 4D Human-Object Interaction Generation and Animation
S-Lab, Nanyang Technological University（南洋理工大学S-Lab）；The University of Hong Kong（香港大学）；Shanghai AI Laboratory（上海人工智能实验室）
针对现有4D人-物交互生成方法数据稀缺的问题，提出AvatarGO框架，通过LLM引导接触重定向、对应感知动作优化，实现文本驱动的零样本4D HOI生成，效果优于现有方法，为4D内容创作提供新思路。
2024-10-09 cs.CV
FiCA: Feed-forward instant Gaussian Codec Avatars from a Single Portrait Image
Codec Avatars Lab, Meta（Meta编解码虚拟化身实验室）；Dept. of Electrical Engineering, POSTECH（浦项科技大学电气工程系）；School of Computing, KAIST（韩国科学技术院计算机学院）
提出FiCA，一种结合人类视觉基础模型和扩散模型的前馈管道，从单张图像生成逼真、可驱动的3D高斯化身，无需测试时优化。
2026-09-01 cs.CV cs.GR
Fast Bi-layer Neural Synthesis of One-Shot Realistic Head Avatars
Samsung AI Center（三星人工智能中心）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）；University of Cambridge（剑桥大学）
我们提出了一个基于神经渲染的系统，从一张照片创建头部化身。我们的方法通过将人的外观分解为两层来建模。第一层是由一个小的神经网络合成的姿态相关的粗糙图像。第二层由包含高频细节的姿态独立纹理图像定义。纹理图像被离线生成、变形并添加到粗图像，以确保合成的头部视图的高有效分辨率。我们将我们的系统与类似的最先进的系统在视觉质量和速度方面进行比较。实验表明，对于给定的视觉质量，与以前的神经头化身模型相比，推理速度显著加快。我们还报告我们的系统的实时智能手机为基础的实施。
2020-08-24 cs.CV cs.GR cs.LG
Arc2Avatar: Generating Expressive 3D Avatars from a Single Image via ID Guidance
Imperial College London（伦敦帝国学院）
本研究提出Arc2Avatar方法，首次以单张图像为输入、用人脸基础模型作引导，结合改进3DGS等技术生成可表情驱动的3D虚拟形象，在真实感和身份保留上达SOTA水平。
2025-01-13 cs.CV
Bind-Your-Avatar: Multi-Talking-Character Video Generation with Dynamic 3D-mask-based Embedding Router
University of Science and Technology of China（中国科学技术大学）；Monash University（墨尔本大学）
提出Bind-Your-Avatar，一种基于MM-DiT的多角色同场景说话视频生成模型，通过3D掩码嵌入路由器绑定音频与角色，并构建首个专用数据集与基准，实验验证其优越性能。
2025-06-24 cs.CV
VQTalker: Towards Multilingual Talking Avatars through Facial Motion Tokenization
Shanghai Jiao Tong University（上海交通大学）；AISpeech Ltd（思必驰公司）
VQTalker 是基于向量量化的多语言说话虚拟人生成框架，通过 GRFSQ 面部运动 tokenizer 捕捉面部运动并提升多语言泛化能力，采用由粗到细的生成过程，在 512*512 分辨率下实现 SOTA 性能。
2024-12-18 cs.CV
GaussianMotion: End-to-End Learning of Animatable Gaussian Avatars with Pose Guidance from Text
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Sungkyunkwan University（成均馆大学）
本文提出GaussianMotion模型，结合可变形3D高斯溅射与文本到3D得分蒸馏，通过优化中密集生成随机姿态、端到端学习自然运动及自适应得分蒸馏平衡细节与平滑度，实现高保真、高效的任意姿态可动画3D化身生成，优于现有基线。
2025-02-17 cs.CV
OmniAvatar: Efficient Audio-Driven Avatar Video Generation with Adaptive Body Animation
OmniAvatar提出像素级多层级音频嵌入与LoRA训练，实现音频驱动的全身视频生成，提升唇形同步和自然运动，并支持文本控制，超越现有模型。
2025-06-23 cs.AI cs.CV cs.MM
PRIMAL: Physically Reactive and Interactive Motor Model for Avatar Learning
Meshcapade；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Stanford University（斯坦福大学）
提出PRIMAL两阶段生成式运动模型，通过无监督预训练和类ControlNet适配，实现交互式化身实时响应、可控运动生成，并在虚幻引擎中验证了优越性能。
2025-08-02 cs.AI cs.CV
Kandinsky S2V 1.0: Audio-Driven Avatar Video Generation
Kandinsky Lab（Kandinsky实验室）
该研究提出开源语音到视频模型Kandinsky S2V 1.0系列，含Lite和Pro版本，结合Qwen2.5-Omni与视觉记忆，经训练后在基准测试中表现优异，还推出蒸馏版并开源相关资源。
2026-10-13 cs.CV
Tag-Based Annotation for Avatar Face Creation
UC Santa Cruz（加州大学圣克鲁兹分校）
针对虚拟形象自动生成面临的训练数据噪声大的问题，提出采用基于标签的标注方法训练模型，提升标注一致性与预测质量，并针对Bitmoji的3种面部特征设计标签完成鼻子预测模型训练。
2023-08-24 cs.CV
Synthetic Photography Detection: A Visual Guidance for Identifying Synthetic Images Created by AI
University of Applied Sciences and Arts Northwestern Switzerland（西北瑞士应用科学与艺术大学）；armasuisse S+T（瑞士联邦防务技术采购局）
针对AI生成的类真实合成照片可能被恶意利用的威胁，本研究聚焦近期生成式扩散模型的可见伪影缺陷，对伪影分类并举例，探讨检测挑战与实际应用，为合成图像识别提供视觉指导。
2024-08-12 cs.CV cs.CY
DANBO: Disentangled Articulated Neural Body Representations via Graph Neural Networks
University of British Columbia（不列颠哥伦比亚大学）；Reality Labs Research（现实实验室研究部门）
深度学习通过从3D扫描、模板网格和多视图图像的集合中学习几何形状和外观，极大地提高了可动画人体模型的真实感。高分辨率模型可以实现照片般逼真的化身，但需要最终用户无法使用的工作室设置。我们的目标是直接从原始图像创建化身，而不依赖于昂贵的工作室设置和表面跟踪。虽然存在一些这样的方法，但这些方法的泛化能力有限，并且容易学习不相关的身体部位之间的虚假（机会）相关性，导致不可见的姿势上的难以置信的变形和丢失的身体部位。我们介绍了一个三阶段的方法，诱导两个感应偏置更好地解开姿势依赖变形。首先，我们明确地用图神经网络对身体部位的相关性进行建模。其次，为了进一步减少机会相关性的影响，我们引入了本地化的每骨功能，使用因式分解的体积表示和一个新的聚合函数。我们证明了我们的模型在具有挑战性的看不见的姿势下产生逼真的身体形状，并显示出高质量的图像合成。我们提出的表示罢工模型容量，表达能力和鲁棒性之间的一个更好的权衡比竞争的方法。项目网址：https://lemonatsu.github.io/danbo。
2022-10-11 cs.CV
Attention-Based VR Facial Animation with Visual Mouth Camera Guidance for Immersive Telepresence Avatars
University of Bonn（波恩大学）
针对VR中纯关键点驱动面部动画效果不佳的问题，提出结合关键点与嘴部相机视觉引导的注意力混合动画方法，可快速注册、泛化新用户，性能优于基线，还助力团队在ANA Avatar XPRIZE总决赛中获胜。
2023-12-15 cs.CV cs.RO
Tag-based annotation creates better avatars
UC Santa Cruz（加州大学圣克鲁兹分校）；San Jose State University（圣何塞州立大学）；ByteDance Inc.（字节跳动公司）
从人类图像创建化身允许用户以不同的风格定制他们的数字人物。现有的渲染系统，如Bitmoji，MetaHuman和Google Cartoonset，提供了富有表现力的渲染系统，为用户提供了出色的设计工具。然而，必须调整二十多个参数，其中一些包括数百个选项，才能获得理想的结果。因此，用户创建完美的化身是具有挑战性的。可以训练机器学习模型来从图像中预测化身，但是标记成对训练数据的注释器具有与用户相同的困难，导致高标签噪声。此外，每个新的渲染系统或版本更新都需要数千个新的训练对。在本文中，我们提出了一种基于标签的注释方法的化身创建。与标签的直接注释相比，所提出的方法：产生更高的注释器协议，使机器学习生成更一致的预测，并且仅需要边际成本来添加新的渲染系统。
2023-02-14 cs.CV cs.GR
EmAvatar: Multimodal Empathetic Response Generation via Conflict Resolution and Expressive Guidance
National University of Singapore（新加坡国立大学）；Southern University of Science and Technology（南方科技大学）；Fudan University（复旦大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
针对多模态共情回复生成中情绪冲突、缺乏引导和错误传播问题，提出EmAvatar框架，通过冲突消解和迭代细化实现精确感知与表现力合成，在四个任务上超越现有方法。
2026-10-01 cs.CV cs.HC cs.MM
Preview WB-DH: Towards Whole Body Digital Human Bench for the Generation of Whole-body Talking Avatar Videos
针对单张肖像生成全身虚拟人面临的捕捉与评估难题，提出开源多模态基准WB-DH，提供精细标注、通用评估框架及公开数据工具，推动全身说话虚拟人视频生成研究。
2025-08-12 cs.CV
InfiniHuman: Infinite 3D Human Creation with Precise Control
University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心）；University of Tübingen, Tübingen AI Center, MPI for Informatics, SIC（图宾根大学，图宾根人工智能中心，马克斯·普朗克信息研究所，SIC）；University of Tübingen（图宾根大学）
本文提出InfiniHuman框架，通过蒸馏基础模型生成11.1万个高度多样、标注丰富的3D人类数据集InfiniHumanData，并基于此提出InfiniHumanGen生成流水线，实现了快速、逼真且精确可控的大规模高质量化身生成。
2025-10-13 cs.CV
OMG-Avatar: One-shot Multi-LOD Gaussian Head Avatar
Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室）
OMG-Avatar提出一种一次性多细节层次高斯表示方法，从单张图像在0.2秒内实现可动画的3D头像重建，通过统一模型支持多样化硬件能力和推理速度需求，结合Transformer架构和投影采样技术，融合深度缓冲区确保遮挡合理性，并引入粗到细学习范式提升层次细节感知。
2026-03-30 cs.CV
MoRF: Mobile Realistic Fullbody Avatars from a Monocular Video
Samsung Research（三星研究院）；ZERO10；Cinemersive Labs（Cinemersive实验室）
本文提出MoRF系统，利用SMPL-X、DNR及逐帧神经纹理变形场从单目视频构建可在移动端实时渲染的高逼真全身虚拟形象，并在清晰度、时间一致性和用户偏好上优于同类方法。
2023-12-11 cs.CV
GeneAvatar: Generic Expression-Aware Volumetric Head Avatar Editing from a Single Image
Google（谷歌）；Zhejiang University（浙江大学）；ByteDance（字节跳动）；ETH Zürich（苏黎世联邦理工学院）
针对跨体积化表示的3D头部化身编辑难题，提出GeneAvatar，利用表情感知修改生成模型将单图2D编辑提升为一致3D修改场，并通过蒸馏、潜空间引导和损失重加权实现多表情多视角的高质量编辑。
2024-04-02 cs.CV
HAVE-FUN: Human Avatar Reconstruction from Few-Shot Unconstrained Images
SSE, CUHKSZ（香港中文大学（深圳）理工学院）；Tsinghua University（清华大学）；FNii, CUHKSZ（香港中文大学（深圳） Futian Institute for Advanced Technology）
本文提出HaveFun框架，通过结合蒙皮机制与DMTet的可驱动四面体表示及两阶段少样本优化方法，从少量无约束图像中实现高质量人体化身重建、渲染与动画。
2024-03-31 cs.CV
MegaAvatar: Controllable Talking Avatar Generation
Tencent（腾讯）；Tongji University（同济大学）
MegaAvatar基于Wan2.2-TI2V-5B模型，通过SMPL-X 3D引导和音频交叉注意力实现可控身体头部运动、表情同步与身份保持的说话头像生成。
2026-10-01 cs.CV
MeshLAM: Feed-Forward One-Shot Animatable Textured Mesh Avatar Reconstruction
Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团）
MeshLAM通过单次前馈过程从单张图像生成高保真、可动画的3D人脸网格人像，采用双形状和纹理映射架构及改进的纹理指导机制，提升重建质量与动画能力。
2026-04-23 cs.CV
OHTA: One-shot Hand Avatar via Data-driven Implicit Priors
ByteDance（字节跳动）
本文提出 OHTA，利用数据驱动手部先验模型完成先验学习、目标身份反演与拟合，实现仅凭单张图像生成高保真、可驱动的手部化身。
2024-02-29 cs.CV
Learning Aesthetic Layouts via Visual Guidance
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）；ProjectHAT
我们探索视觉指导的计算方法，以帮助创造美观的艺术和平面设计。我们的工作补充并建立在以前的工作上，这些工作开发了人类如何看待图像的模型。我们的方法包括三个步骤。首先，我们收集了一个艺术杰作的数据集，并用最先进的视觉模型标记视觉注视。其次，我们用无监督学习对艺术杰作的视觉引导模板进行聚类。第三，我们开发了一个管道，使用生成对抗网络来学习视觉指导的原理，并可以产生美观的布局。我们表明，审美的视觉指导原则可以学习和集成到一个高维模型，可以查询的图形元素的功能。我们通过在各种图纸和平面设计上生成布局来评估我们的方法。此外，我们的模型在生成布局时考虑了图形元素的颜色和结构。因此，我们相信我们的工具，它可以在几秒钟内生成多种美学布局选项，可以帮助艺术家创建美丽的艺术和平面设计。
2021-07-13 cs.CV cs.GR cs.MM
HeadStudio: Text to Animatable Head Avatars with 3D Gaussian Splatting
Zhejiang University（浙江大学）；ReLER, CCAI, Zhejiang University（浙江大学ReLER、CCAI）；State Key Laboratory of Brain-machine Intelligence, Zhejiang University（浙江大学脑机智能国家重点实验室）
提出HeadStudio框架，利用3D Gaussian Splatting结合可动画头部先验模型，通过增强初始化、蒸馏和正则化优化，实现从文本生成高质量、可实时渲染且能由语音和视频驱动的可动画头部虚拟人。
2024-12-21 cs.CV
AvatarFusion: Zero-shot Generation of Clothing-Decoupled 3D Avatars Using 2D Diffusion
Tsinghua University（清华大学）；Zhejiang University（浙江大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
提出AvatarFusion框架，利用latent diffusion model提供像素级指导，生成服装解耦的逼真3D avatar，并建立首个零样本文本到avatar生成基准，实现所有指标显著提升及服装替换。
2023-09-14 cs.CV cs.GR
SparseFusion: Dynamic Human Avatar Modeling from Sparse RGBD Images
Northwestern Polytechnical University（西北工业大学）；University of Kentucky（肯塔基大学）；University of Alberta（阿尔伯塔大学）；University of Guelph（圭尔夫大学）
在本文中，我们提出了一种新的方法来重建三维人体形状的基础上，使用一个单一的RGBD相机的RGBD帧的稀疏集。我们特别关注人类主体在捕获过程中自由移动的现实设置。主要的挑战是如何在姿态变化和表面遮挡下将这些稀疏帧鲁棒地融合到规范的3D模型中。我们的新框架包括以下步骤。首先，基于生成的人体模板，对每两个有足够重叠的帧进行初始的两两对齐，然后进行全局非刚性配准，在两两对齐的对应关系的指导下，将RGBD帧的部分结果收集到统一的3D形状中;最后，对重建人体模型的纹理图进行优化，以提供清晰且空间一致的纹理。对合成数据集和真实数据集的实证评估表明，我们的框架在重建具有高保真度的完整3D人体模型方面具有定量和定性的优越性能。值得注意的是，我们的框架是灵活的，潜在的应用超越形状重建。作为一个例子，我们展示了它的使用重塑和寄托到一个新的化身。
2020-06-05 cs.CV
Topology-aware Human Avatars with Semantically-guided Gaussian Splatting
School of Computer Science, Wuhan University（武汉大学计算机学院）；School of Software Engineering, Xi’an Jiao Tong University（西安交通大学软件学院）；AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院）；Huazhong University of Science and Technology（华中科技大学）
本文提出SG-GS方法，通过语义嵌入3D高斯、骨架驱动刚性与非刚性变形及语义标注器SHA，结合三种语义正则化策略，实现拓扑感知的高质量可动画人体化身重建。
2024-11-19 cs.CV
Text-Guided Generation and Editing of Compositional 3D Avatars
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；ETH Zürich（苏黎世联邦理工学院）；Tsinghua University（清华大学）；RWTH Aachen University（亚琛工业大学）
提出组合式3D虚拟形象生成与编辑方法TECA，结合3D网格与NeRF分别表示面部与毛发配饰，实现高真实感且支持发型等特征迁移编辑。
2023-09-13 cs.CV
ActAvatar: Temporally-Aware Precise Action Control for Talking Avatars
Renmin University of China（中国人民大学）；Tencent Hunyuan（腾讯文yne）；Tsinghua University（清华大学）
ActAvatar通过文本引导实现对话虚拟角色的相位级动作控制，引入相位感知交叉注意力、渐进式音频-视觉对齐和双阶段训练策略，提升动作控制精度和视觉质量。
2026-01-20 cs.CV
Snapmoji: Instant Generation of Animatable Dual-Stylized Avatars
Snap Inc.；MIT（麻省理工学院）；Rutgers University（罗格斯大学）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
Snapmoji 通过双风格化技术实现快速生成可动画的双风格化 avatar，提升 avatar 生成的效率和灵活性。
2026-03-06 cs.CV cs.GR
AniGaussian: Animatable Gaussian Avatar with Pose-guided Deformation
Shanghai University（上海大学）；Fudan University（复旦大学）；Tavus Inc.（塔沃斯公司）；School of Computer Science, Fudan University（复旦大学计算机科学学院）
AniGaussian通过姿态引导形变和刚性先验增强高斯模型，实现高保真且解剖正确的可动画人体化身重建。
2025-02-24 cs.CV cs.GR
Unsupervised Creation of Parameterized Avatars
Facebook AI Research（Facebook人工智能研究院）；Tel Aviv University（特拉维夫大学）
我们研究的问题，输入图像映射到一个捆绑对组成的参数向量和使用图形引擎从参数向量创建的图像。映射的目标是使输出图像尽可能与输入图像相似。在培训期间，没有以匹配输入和输出的形式进行监督。该学习问题扩展了两个文献问题：无监督领域自适应和跨领域迁移。我们定义了一个泛化的界限，是基于差异，并采用GAN实现网络的解决方案，对应于这个界限。实验表明，我们的方法可以解决自动创建化身的问题。
2017-07-09 cs.CV cs.LG
Portrait4D-v2: Pseudo Multi-View Data Creates Better 4D Head Synthesizer
针对现有4D头部合成依赖不准确3DMM重建的问题，提出Portrait4D-v2方法，通过生成伪多视图视频、结合跨视图自重演与运动感知注意力的Transformer，提升了重建保真度等性能，为4D头部构建提供新路径。
2024-07-11 cs.CV
Learning Interaction-aware 3D Gaussian Splatting for One-shot Hand Avatars
Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区）；Lenovo Research（联想研究院）
本文提出一种两阶段交互感知3D高斯泼溅框架，通过解耦手部3D表示并结合交互感知注意力与自适应高斯细化模块，利用单张图像为交互双手创建高质量可动画虚拟人。
2024-10-11 cs.CV
