2024 CVPR AIGC集合_high-fidelity generalized emotional talking face g

完全外行，不建议参考

一、3D重建

1. PointAvatar: Deformable Point-based Head Avatars from Videos
   对原始颜色进行解纠缠，得到固有反射和相关阴影。
   基于可变形点云对表情、颜色、位置等信息进行建模。
   总结：可以看作是对局部像素的分解与扩展。
   

2. NeuFace: Realistic 3D Neural Face Rendering from Multi-view Images
   通过神经渲染技术获得底层的几何表示。
   基于几何、物理、光照进行建模。
   总结：对全局结构的关注和扩展。
   

3. A Hierarchical Representation Network for Accurate and Detailed Face Reconstruction from In-The-Wild Images

二、talking-head

1. MetaPortrait: Identity-Preserving Talking Head Generation with Fast Personalized Adaptation
   在生成过程中对原始身份信息进行保留，以保留更多人像相关信息。
   提取密集landmark，预测并增强wrap flow。
   总结：对位移做预测，进行像素点扭曲。
   
2. High-fidelity Generalized Emotional Talking Face Generation with Multi-modal Emotion Space Learning
   利用多模态（图片、音频、文本）情绪驱动。
   和(1)对比，没有头部驱动，更类似于wav2lip。
   总结：给定原图片（身份）和参考视频（动作、情绪），利用辅助信息做生成。
   
3. Progressive Disentangled Representation Learning for Fine-Grained Controllable Talking Head Synthesis
   利用数据增强进行解纠缠
   总结：同步解纠缠多种类型特征辅助生成
   
4. LipFormer: High-fidelity and Generalizable Talking Face Generation with A Pre-learned Facial Codebook
   预训练习得高质量人脸码本，利用合适的唇部编码和扭曲模块辅助生成。
   总结：利用先验知识辅助生成。

三、身份交换

1. 3D-Aware Face Swapping