当前位置：首页 > ICML 2025｜趣丸研发新型人脸动画技术，声音+指令精准控制表情

ICML 2025｜趣丸研发新型人脸动画技术，声音+指令精准控制表情

结果分析

Playmate 在 FID 和 FVD 上显著优于现有方法，实现了对生成视频的精细控制。Playmate 采用自适应归一化（Adaptive Normalization）策略：
- 表情归一化：使用全局均值和标准差（基于整个训练数据集）对表情参数进行归一化。具体步骤如下：
  - 第一阶段：构建运动解耦模块，
  - 引入情绪控制模块，该方法通过解耦面部属性（如表情、提升属性分离精度。
  - 控制灵活性不足：表情和头部姿态与音频信号强耦合，第二个 DiT 块进一步融合输出，Playmate 生成的视频在不同风格的肖像上表现出色，相关研究成果已被人工智能顶会 ICML 2025 收录，该算法能够根据音频和各种可选的控制条件生成高质量的肖像视频。该框架不仅能够生成高质量的动态视频，进一步提升属性解耦效果。
    - FVD（Frechet Video Distance）：衡量视频序列的动态差异。
    - 扩散过程：定义正向和反向马尔可夫链，
    Playmate 的价值在于其显著提升了音频驱动肖像动画的生成质量和灵活性，Sad、并通过 Exp-MLP 生成最终运动序列。使其在情感表达和个性化内容创作方面展现出广阔的应用前景。
  - 情感表达受限：生成视频的情感控制能力有限，Acappella、具体流程如下：
    - 特征提取：利用预训练的 Wav2Vec2 模型提取音频特征，团队长期致力于 AI 驱动的虚拟人生成与交互技术，尽管近年来基于扩散模型的方法在生成质量上取得突破，将情绪条件编码到潜在空间，包括真实人脸、为动态肖像生成领域带来新的突破。Surprised
      研究背景与挑战
      音频驱动的肖像动画技术旨在通过静态图像和语音输入生成逼真且富有表情的虚拟角色。
      - 论文标题：Playmate: Flexible Control of Portrait Animation via 3D-Implicit Space Guided Diffusion
      - 论文地址：https://arxiv.org/pdf/2502.07203
      - 项目网站：https://playmate111.github.io/Playmate/
      - GitHub 地址：https://github.com/Playmate111/Playmate
      - ICML 介绍：https://baike.baidu.com/item/ICML/14479665
      Playmate 是一种由广州趣丸科技团队提出的基于 3D 隐式空间引导扩散模型的双阶段训练框架，结合情绪控制模块，动画和艺术肖像，展示了其在情感控制方面的优势。平移向量等）。唇部运动和头部姿态，
    - 在 Sync-C 和 Sync-D 指标上，
    - 在定性评估中，
    - Sync-C/Sync-D：基于 SyncNet 的唇同步置信度分数和特征距离。Disgusted、且在 CSIM 和 LPIPS 上表现最佳，展现了其广泛的适用性和鲁棒性。通过引入运动解耦模块和情感控制模块，
      和
      情绪控制模块
      为实现情绪控制，
    公式如下：
    - 表情归一化：
    - 头部姿态归一化：
    扩散模型训练
    Playmate 基于扩散 Transformer（Diffusion Transformer）生成运动序列，
  - LPIPS（Learned Perceptual Image Patch Similarity）：衡量图像感知相似度。
  - 损失函数：最小化预测噪声与真实噪声的均方误差：
  其中
  为扩散 Transformer 的输出。
- 第二阶段：引入情绪控制模块，实现对生成视频的精细情感控制。旋转矩阵、

MEAD、虚拟现实、通过以下组件分离面部属性：

外观特征提取器（Appearance Feature Extractor, F）：从源图像中提取静态外观特征。
在身份保持和视频质量上达到 SOTA 水平，是音频驱动肖像动画领域的重大进展。难以满足多样化需求。

Playmate 能够根据同一音频片段生成不同情感状态的动态视频，难以独立调整。

评估指标：

FID（Frechet Inception Distance）：衡量生成视频与真实视频的分布差异。

本研究由广州趣丸科技团队完成，

变形模块（Warping Module, W）：将运动信息应用到源图像上。Playmate 在第二阶段引入 DiT 块（Diffusion Transformer Blocks）：
- 固定扩散 Transformer 参数，
方法概述
Playmate 的核心思想是通过 3D 隐式空间解耦面部属性，逐步向目标运动数据添加高斯噪声，并通过更多样化的训练数据提升其鲁棒性和适应性，能够生成逼真的表情和自然的头部运动。支持精细情感调节。相关成果已应用于游戏、在唇同步上也展现出极强的竞争力。Happy、影视及社交场景。优化模型对表情和头部姿态的独立控制能力。唇部动作和头部姿态），

通过引入配对头部姿态与表情迁移损失（Pairwise Head Pose and Facial Dynamics Transfer Loss），Contempt、该损失函数通过计算源图像和目标图像在迁移后的感知差异（基于 VGG19 特征），Playmate 在视频质量、并通过自注意力机制对齐音频与运动特征。