**EDGAR：利用合成失败案例与扩散模型高效修复高斯头像伪影**

_EDGAR: Efficient Diffusion-Driven Gaussian Avatar Refinement via Synthetic Failure_

> 针对高斯泼溅（Gaussian Splatting）头像重建中常见的模糊、拉伸及时间不稳定等伪影问题，研究提出了 EDGAR 框架。该框架基于混合三元组数据集（EDGAR-SET）训练条件扩散模型，通过融合自监督模型 Sapiens 提取的身份特征与单步扩散骨干网络，在保持身份一致性的同时高效去除伪影。实验表明，该方法在感知质量、重建指标及跨视图一致性上均优于原始输出及 SDEdit 基线，且对极端表情具有鲁棒性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-06 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.07909)