arXiv cs.AI· Zehao Xia, Yiqun Wang, Zhengda Lu, Kai Liu, Jun Xiao, Peter Wonka·· 11 小时前AI 评分34
OMEGA-Avatar：单张图像一次性建模 360° 高斯头像
OMEGA-Avatar: One-shot Modeling of 360{\deg} Gaussian Avatars
AI 导读
OMEGA-Avatar 是首个前馈框架，可从单张图像同时生成可泛化、360° 完整且可动画的 3D 高斯头部。它引入语义感知网格变形模块，结合多视角法线优化带发型的 FLAME 头部并保持拓扑结构；还用多视角特征 splatting 模块构建共享规范 UV 表示，实现无需逐实例优化的 360° 一致性。实验显示其在 360° 全头完整性和跨视角身份保持上显著优于现有基线。
正文 · AI 翻译
摘要：从单张图像创建高保真、可动画的 3D 虚拟形象仍然是一项艰巨的挑战。我们确定了虚拟形象生成的三个理想特性：1）方法应为前馈式，2）建模 360° 全头部，3）应可直接用于动画。然而，当前工作仅同时解决这三点中的两点。为解决这些局限，我们提出 OMEGA-Avatar，这是首个能够从单张图像同时生成可泛化、360° 完整且可动画的 3D 高斯头部的 前馈式框架。从一个前馈式且可动画的框架出发，我们通过两个新颖组件解决 360° 全头部虚拟形象生成问题。首先，为克服全头部虚拟形象生成中头发建模效果不佳的问题，我们引入一个语义感知的网格变形模块，该模块整合多视角法线来优化带有头发的 FLAME 头部，同时保持其拓扑结构。其次，为实现对全头部特征的有效前馈式解码，我们提出一个多视角特征溅射模块，通过可微双线性溅射、分层 UV 映射和可见性感知融合，从多个视角的特征构建共享的规范 UV 表示。该方法在所有视角下同时保留全局结构连贯性和局部高频细节，无需逐实例优化即可确保 360° 一致性。大量实验表明，OMEGA-Avatar 达到了最先进的性能，在 360° 全头部完整性方面显著优于现有基线，同时在不同视角下稳健地保持身份特征。
| 评论： | 项目页面：此 https URL |
| 主题： | 图形学（cs.GR）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2602.11693 [cs.GR] |
| （或 arXiv:2602.11693v2 [cs.GR] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2602.11693 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zehao Xia [查看邮箱]
[v1]
2026 年 2 月 12 日星期四 08:16:38 UTC（47,526 KB）
[v2]
2026 年 10 月 16 日星期五 11:55:31 UTC（41,138 KB）
来源：arXiv cs.AI · arxiv.org