latent-pose-reenactment

用一张照片驱动任意头部视频，生成逼真数字人动画

这是CVPR 2020论文《Neural Head Reenactment with Latent Pose Descriptors》的官方实现，用于数字人头部重演。它解决的是如何从单张源图像和一段驱动视频中，生成具有源人物身份特征但动作姿态与驱动视频一致的逼真头部动画。核心能力在于使用潜在姿态描述符（Latent Pose Descriptors）来解耦身份与姿态，从而避免传统方法中姿态和身份纠缠导致的生成质量下降。项目提供了完整的训练和测试代码，支持自定义数据集，能够生成高分辨率且身份保持的头部重演结果。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 181

维护状态低维护

是否开源是

定价模式 free

项目数据

分类数字人3D

开发团队shrubb

所属国家

官网地址https://shrubb.github.io/research/latent-pose-reenactment

GitHubhttps://github.com/shrubb/latent-pose-reenactment

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型avatar,deep-learning,face-reenactment,facial-landmarks,generative-model,head-avatar,head-reenactment,landmark-detection,pose-estimation,pytorch,self-supervised-learning,talking-head,voxceleb,voxceleb2

GitHub 星标★ 181

30天Star增速

HF 下载量

上线时间2020-10-09 00:00:00

最近更新2025-12-09 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6

使用教程

核心亮点

采用潜在姿态描述符解耦身份与姿态，生成结果身份保持度高且动作自然
官方实现，代码结构完整，包含训练、测试和数据处理流程
基于CVPR 2020论文，方法经过学术验证，技术路线可靠

不足之处

项目较早期，依赖的库版本较老，环境配置可能遇到兼容性问题
文档以论文为主，代码注释和快速上手指南相对简略

适用场景

数字人视频合成，如虚拟主播、在线教育中的讲师动画生成
影视后期中角色面部动作替换或重演
人机交互中的虚拟形象驱动，如聊天机器人面部动画

替代项目

FOMM (First Order Motion Model)、PIRenderer、HeadOn

项目介绍

latent-pose-reenactment 是数字人3D领域的开源项目，由 shrubb 开发，2020 年首次发布。

它收录于数字人3D分类，该分类目前共有 272 个项目，GitHub 星标数为 181。

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 2025-12-09。Apache-2.0许可证，完全免费，需自行部署。

它主要面向的使用场景是：数字人视频合成，如虚拟主播、在线教育中的讲师动画生成。同类可对比的替代方案包括 FOMM (First Order Motion Model)、PIRenderer、HeadOn。

上一篇：xtalker

下一篇：Co-Speech-Motion-Generation