?（通訊員 李宇楠）3月13日，2024年國(guó)際人工智能頂級(jí)會(huì)議AAAI競(jìng)賽獎(jiǎng)項(xiàng)正式頒布，來(lái)自計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院大數(shù)據(jù)與視覺(jué)智能研究所博士研究生馮冠文、本科生錢之浩、碩士研究生程昊然、麻志遠(yuǎn)組成的BDIV Lab團(tuán)隊(duì)在苗啟廣和李宇楠兩位老師的共同指導(dǎo)下，從中國(guó)科學(xué)技術(shù)大學(xué)、華南理工大學(xué)、中國(guó)平安科技、上海學(xué)深智能科技、VAST等海內(nèi)外十多家單位的參賽隊(duì)伍中脫穎而出，在AAAI2024 Workshop AI for Digital Human的任務(wù)3：Multi-modal Learning for Audio-driven Talking Head Generation奪冠。
比賽獲獎(jiǎng)證書
本專題的競(jìng)賽議程聚焦于AIGC（Artificial Intelligence Generated Content）中的數(shù)字人生成領(lǐng)域，從兩個(gè)賽道進(jìn)行綜合評(píng)估，分別是單圖像賽道（Single Image Setting）和視頻賽道（Video Setting）。在單圖像賽道中，團(tuán)隊(duì)的方法以3DMM 系數(shù)為媒介，通過(guò)特征提取、系數(shù)融合預(yù)測(cè)和渲染三個(gè)模塊實(shí)現(xiàn)視頻序列的生成。在視頻賽道中，團(tuán)隊(duì)采用神經(jīng)輻射場(chǎng)的基本框架，用輻射場(chǎng)分別建模生成頭部和軀干部分，最后將頭部與軀干融合形成最終視頻。
單圖像賽道方法框架 視頻賽道方法框架
據(jù)悉，在苗啟廣教授的帶領(lǐng)下，大數(shù)據(jù)與視覺(jué)智能研究所近年來(lái)在圖像/視頻處理及人體行為智能識(shí)別等領(lǐng)域開展了大量研究，在面向細(xì)粒度情感控制的面部生成方面取得了一定成果。
成果鏈接：https://peterfanfan.github.io/EmoSpeaker/
