FFAvatar: Few-Shot, Feed-Forward, and Generalizable Avatar Reconstruction
FFAvatar：少样本前馈可泛化头像重建
🧭 少样本前馈三维头像重建与实时动画
Snap Inc. · University of California, Santa Cruz · MBZUAI
从几张未标姿态的肖像秒级重建可动画3D高斯头像，无需逐主体优化，达到实时动画
📌 工作参考价值
- 多视图融合机制（Multi-View Query-Former）可借鉴到电商商品多角度图像生成3D展示，统一规范空间表示。
- 三阶段训练课程：大规模预训练→高质量多视图微调→可选个性化，适用于需要兼顾泛化与高保真的生成模型。
- 端到端从像素直接回归FLAME参数驱动动画，避免离线预处理，可用于实时Agent数字人面部控制。
- 前馈网络+轻量个性化在单GPU上实现秒级重建与高帧率动画，为虚拟直播、客服Avatar等低延迟场景提供工程参考。
动机：传统头像重建依赖逐主体优化（耗时数小时）或昂贵预处理，难以规模化。FFAvatar提出通用前馈框架，从少样本无姿势图像中秒级重建高质量可动画3D高斯头像，彻底省去离线处理。
方法关键点：
- 多视图融合：通过Multi-View Query-Former将多张源图像信息聚合为统一规范高斯表示，支持单视图或多视图输入。
- 端到端动画驱动：直接从像素预测FLAME参数，无需离线提取，实现实时动画。
- 三阶段训练课程：(i) 大规模预训练：使用含1M+身份的单目视频数据训练强泛化先验；(ii) 多视图微调：在256身份的高质量360°捕获数据集上提升几何保真度与极端视角感知；(iii) 可选个性化：对特定身份在500优化步内达到最高保真度。
关键结果：在NeRSemble基准上，PSNR比LAM高出5.5；无个性化重建仅需2秒，个性化10秒；单块A100支持49 FPS动画。