欧洲研究员提出FaceParts框架：实现3D化身面部特征的无监督分割与交换
实现3D化身面部特征的无监督分割与交换
（映维网Nweon 2026年05月25日）波兰弗罗茨瓦夫科技大学和雅盖隆大学的研究人员日前介绍了一项名为FaceParts的新技术。它能够在不依赖人工标注的情况下，自动将3DGS化身分解为眉毛、胡须、眼睛等语义清晰的面部组件，并支持在不同化身之间交换特征。
传统的3D面部编辑往往依赖劳动密集的手动调整，或借助2D生成模型再投影回3D，难以保证多视角一致性。FaceParts则直接在高斯飞溅这一3D表示上进行操作。框架首先通过一个轻量级神经网络，将每个高斯点的位置映射到颜色、不透明度等属性，并在网络中间设置一个低维“瓶颈”层，强制具有相似外观的高斯点汇聚到同一个通道中，从而实现无监督的分组。随后，基于密度的聚类算法进一步将分组细化为空间上连贯的局部组件，例如单独的眉毛或胡须区域。
由于底层使用了FLAME参数化人脸模型，提取出的面部部件在迁移到其他化身时，能够自动适配新头像的姿态和表情变化，而不是作为静态贴片僵硬地附着在脸上。
研究团队在包含11名受试者的NeRSemble数据集上进行了测试。他们从多个头像中提取了胡须、眉毛、眼睛和胡子四类组件，并将其交换到其他头像上。定量评估结果显示：
平均身份一致性（ID）达到0.943，表明迁移组件后化身的身份特征保持良好；
平均表情距离（AED）为0.021，平均姿态距离（APD）为0.004，说明迁移的组件能够跟随面部表情和头部姿态自然变形；
弗雷歇初始距离（FID）为5.872，反映修改后头像的真实感接近原始化身。
相比之下，采用2D分割模型或生成式修复方法处理类似任务时，常出现细节丢失、多视图不一致或分布外图像（如女性长胡须）效果差等问题。FaceParts在这些场景中表现出了更稳定的结构和身份保持能力。
团队表示，人们对虚拟现实和增强现实的兴趣日益增长，这极大地推动了对于逼真且可操控的3D化身的需求，FaceParts为3D化身的快速定制提供了一条无需人工标注的自动化路径，用户可以方便地更换胡型、眉形甚至头发，不必重新训练整个化身模型。
相关论文：
当然，目前的方法在处理纹理高度相似的面部区域（如浓密胡须与头发交界处）时，仍可能出现分割碎片化的问题。未来他们将引入CLIP等视觉语言模型的引导，并优化聚类算法，以提升分割精度和编辑的灵活性。
