小红书AIGC团队突破DynamicFace算法，实现高质量换脸技术

近日，小红书AIGC团队（Dynamic-X-Lab）在计算机视觉领域取得重要突破，其研发的DynamicFace算法通过可组合3D面部先验技术，实现了图像与视频中高质量、高一致性的换脸效果。该成果已以论文形式发表于arXiv平台，并同步开放项目主页与技术方案。

作为专注于生成式人工智能的研究团队，Dynamic-X-Lab围绕文生图、图像生成、图像转视频及风格迁移等方向持续探索。此次提出的DynamicFace算法针对人脸视频生成中的核心难题——即在保持源人脸身份特征的同时精准同步目标动作序列——提出了创新性解决方案。研究显示，传统方法在空间特征提取与时间动态建模之间存在固有矛盾，往往导致身份还原与运动一致性难以兼顾。DynamicFace通过解耦三维面部先验中的身份与运动参数，有效解决了这一技术瓶颈。

该技术的应用前景广阔：在影视制作领域，可实现基于单张定妆照的实时数字替身表演，显著降低补拍成本；游戏行业可突破预设模板限制，玩家通过自拍即可生成全角度可驱动的个性化角色；电商与自媒体领域则能批量生成光影一致的多角度口播视频，提升虚拟主播的自然度。值得注意的是，该算法在保持身份特征稳定性方面表现优异，避免了动态生成中常见的面部扭曲问题。

同期，西影电影AI实验室研发的DynamicID技术也通过国际顶会认证，聚焦于多画面中角色面部的一致性维护。两项技术虽侧重点不同，但共同推动了生成式AI在数字身份构建领域的进步。目前DynamicFace已开源完整技术方案，开发者可通过项目主页获取详细资料。