NED

一句话驱动视频人脸表情编辑，影视级效果轻松实现

NED是CVPR 2022提出的视频人脸表情编辑工具，基于PyTorch实现。它解决的是视频中演员面部情绪的精准操控问题，用户可以通过指定情绪标签（如开心、悲伤）或参考风格，对视频中的人脸表情进行重编辑，同时保持身份、姿态和背景不变。核心能力包括：利用3DMM（三维可变形模型）对人脸进行参数化建模，解耦身份、表情和姿态；结合GAN生成网络，实现高保真的表情迁移与编辑；支持从单张参考图或文本标签驱动表情变化，适用于深度伪造、影视后期、虚拟数字人等场景。项目提供完整的训练和推理代码，并附带预训练模型，方便研究者复现和二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 160

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队foivospar

所属国家

官网地址https://openaccess.thecvf.com/content/CVPR2022/html/Papantoniou_Neural_Emotion_Director_Speech-Preserving_Semantic_Control_of_Facial_Expressions_in_CVPR_2022_paper.html

GitHubhttps://github.com/foivospar/NED

定价模式free

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型3dmm,cvpr2022,deepfakes,emotion,expression-manipulation,face,face-edit,gan,image-generation,pytorch,talking-head

GitHub 星标★ 160

30天Star增速

HF 下载量

上线时间2021-11-30 00:00:00

最近更新2026-07-05 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

基于CVPR 2022论文，算法有学术背书，效果有保障
支持标签和参考风格双模式控制，灵活度高
提供完整训练推理代码，便于二次开发

不足之处

文档/社区待观察
依赖3DMM和GAN，训练资源消耗较大

适用场景

影视后期制作中快速调整演员表情
虚拟数字人和虚拟主播的表情驱动
深度伪造研究中的面部表情操控

替代项目

First Order Motion Model、FaceSwap、StyleGAN2

项目介绍

NED 是计算机视觉领域的开源项目，由 foivospar 开发，2021 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 160。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-05。MIT许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：影视后期制作中快速调整演员表情。同类可对比的替代方案包括 First Order Motion Model、FaceSwap、StyleGAN2。

上一篇：CWR

下一篇：QMUPD

NED