Tag · 3 篇
语音驱动动画
分布 3D 视觉与重建2图像编辑与可控生成1
01 02 03
共同交谈：从音频合成共处同一空间的 3D 对话
Talking Together: Synthesizing Co-Located 3D Conversations from Audio
从混合音频中同时生成两个共处同一空间的人物的完整 3D 面部动画，并显式建模两人之间的相对位置、朝向与相互注视；其双流架构、说话人角色嵌入与说话人之间的交叉注意力，以及视线损失，为多人语音驱动动画与共处场景合成提供了可复用的建模思路。
EmoDiffTalk：面向可编辑 3D 高斯说话头的情感感知扩散模型
EmoDiffTalk: Emotion-aware Diffusion for Editable 3D Gaussian Talking Head
把扩散过程放到 3D 高斯泼溅的表情参数空间（AU 空间）里做去噪，并用文本到 AU 的控制器提供连续可编辑条件——做 3D 说话头或表情编辑时，这种「在低维表情空间做扩散 + 多模态条件注入」的范式可直接复用。
面向说话人脸视频情感编辑的跨模态情感迁移
Cross-Modal Emotion Transfer for Emotion Editing in Talking Face Video
用大规模预训练音频编码器与解耦表情编码器在跨模态空间中学习情感语义向量，把「情感」从语音内容中剥离出来，为语音驱动的可控人脸动画提供了一种可迁移的条件控制手段，尤其适合处理未见过的扩展情感类别。