📄论文题目：FreeUV: Ground-Truth-Free Realistic Facial UV Texture Recovery via Cross-Assembly Inference Strategy
✍️作者及机构：Xingchao Yang、Takafumi Taketomi、Yuki Endo、Yoshihiro Kanamori（CyberAgent、University of Tsukuba）
🧩面临问题：当前 3D 人脸 UV 纹理重建存在数据依赖和泛化能力不足的问题。一方面，传统方法依赖 costly 的真实 UV 数据集或合成 UV 数据，前者缺乏对野生场景的泛化能力，后者受限于 StyleGAN 的域限制，难以处理带妆容等多样人脸；另一方面，合成数据的多步骤流程易导致身份、光照、外观不一致，难以生成逼真连贯的纹理12。
🎯创新点及其具体研究方法：
1️⃣ 提出 FreeUV 框架：无需带标注的或合成的 UV 真值数据，基于预训练的 Stable Diffusion 模型，通过分离训练专注真实外观的网络和结构一致性的网络，在推理时结合二者生成高质量 UV 纹理，显著降低数据成本和复杂性35。
2️⃣ Cross-Assembly 推理策略：训练阶段，外观特征提取网络聚焦野生域实现 UV 到 2D 的逼真映射，结构重建网络依托 3DMM 域完成 2D 到 UV 的结构一致映射；推理时整合两个网络的 UV 专用模块，形成 UV 到 UV 的映射，减少大角度人脸和自遮挡的 UV 展开失真，兼顾真实外观与结构一致性46。
3️⃣ 抗干扰面部细节提取器：基于 CLIP 图像编码器并添加通道注意力层，从有失真或缺陷的 UV 纹理中捕捉面部毛发、皱纹、妆容等精细特征，通过选择性强调关键信息降低噪声影响，增强不同条件下 UV 纹理生成的质量和鲁棒性78。