gaussian-dejavu

单视频快速生成可控3D头像，泛化与个性化兼得

Gaussian Deja-vu 是一个基于 3D 高斯泼溅（3D Gaussian Splatting）的数字人头像创建框架，论文发表于 WACV 2025。它解决的核心问题是：如何从单目视频中快速生成具有高泛化能力和个性化表现的可控 3D 头部头像。传统方法要么泛化性差（针对特定人过拟合），要么需要大量训练数据。该项目通过引入一种新的泛化与个性化解耦机制，利用基础模型快速重建通用头部结构，再通过少量个人图像进行微调，实现了个性化细节的增强。核心能力包括：可控的表情、姿态和视角渲染，支持实时交互；对未见过的身份具有较好的泛化能力；训练和推理效率高，适合实际应用。代码基于 PyTorch 实现，提供了完整的训练、推理和评估流程，并包含预训练模型和示例数据，便于研究者复现和二次开发。目前项目处于早期阶段，社区生态尚在建设中。