【论文解析】Interactive Face Video Coding: A Generative Compression Framework

一、一段话总结本文提出交互式人脸视频编码（IFVC） 生成式压缩框架，基于内部维度提升（IDI） 表示将 2D 人脸转为 3D 网格语义参数，仅用14 维紧凑语义实现超低码率编码，码率相比VVC 标准节省 75.37%（DISTS），支持解码端语义级交互编辑与虚拟角色驱动隐私保护，在率失真性能、主观质量与交互性上全面优于现有视频编码与生成式压缩方案，适配元宇宙数字人通信场景。二、思维导图三、详细总结研究背景与动机人脸视频通信需求激增，传统混合编码（VVC/HEVC）无法语义交互、低带宽下压缩效率不足。现有生成式压缩方案（FOMM/Face vid2vid）表情控制受限、需额外处理流程，延迟与复杂度高。亟需紧凑、可语义编辑、低延迟的人脸专用压缩框架。核心创新：IFVC 框架与 IDI 表示IDI（内部维度提升）：将 2D 人脸帧转为 3D 网格表示，提升渲染保真度与交互灵活性，保持合理码率。14 维紧凑语义：嘴部运动 (6 维)+ 眨眼 (1 维)+ 头部旋转 (3 维)+ 头部平移 (3 维)+ 位置 (1 维)，身份 / 反照率 / 光照从关键帧复用无需传输。编码范式：摒弃编码 / 解码端像素级操作，直接在码流语义层交互，无额外处理开销。