文章

文章详细介绍了小红书 AIGC 团队在 ICCV 2025 上发表的全新可控人脸生成方法 DynamicFace。该方法旨在解决现有换脸技术中身份与运动耦合、身份一致性差以及视频质量受损等核心难题。DynamicFace 通过将扩散模型与可组合的 3D 人脸先验深度融合，实现了身份、姿态、表情、光照及背景等条件的精细化解耦，从而实现精准控制。其创新点包括：可组合三维面部先验的显式条件解耦，通过 Mixture-of-Guiders 注入扩散模型；身份-细节双流注入机制，利用 Face Former 和 ReferenceNet 分别注入高级语义和细节特征；以及即插即用时序一致性模块 FusionTVO，解决长视频生成中的帧间跳动问题。文章通过在 FaceForensics++ 和 FFHQ 数据集上的定量实验，证明 DynamicFace 在身份一致性和运动一致性上均优于现有 SOTA 方法，并提供了丰富的图像和视频对比结果及消融实验，验证了其组件的有效性。最终，该方法为定制化图像和视频生成提供了强大的控制力和灵活性。