CaricatureGS : Exagération des visages par projection de gaussiennes 3D avec courbure gaussienne

CaricatureGS: Exaggerating 3D Gaussian Splatting Faces With Gaussian Curvature

January 6, 2026

papers.authors: Eldad Matmon, Amit Bracha, Noam Rotstein, Ron Kimmel

cs.AI

papers.abstract

Nous présentons un cadre de caricaturisation 3D photoréaliste et contrôlable pour les visages. Nous commençons par une technique d'exagération de surface basée sur la courbure gaussienne intrinsèque, qui, lorsqu'elle est couplée à la texture, a tendance à produire des rendus excessivement lissés. Pour résoudre ce problème, nous avons recours au *3D Gaussian Splatting* (3DGS), qui s'est récemment révélé capable de produire des avatars réalistes en vue libre. À partir d'une séquence multivue, nous extrayons un maillage FLAME, résolvons une équation de Poisson pondérée par la courbure et obtenons sa forme exagérée. Cependant, la déformation directe des Gaussiennes donne des résultats médiocres, ce qui nécessite la synthèse d'images caricaturales pseudo *ground-truth* en déformant chaque image vers sa représentation 2D exagérée à l'aide de transformations affines locales. Nous concevons ensuite un schéma d'apprentissage qui alterne la supervision sur des données réelles et synthétisées, permettant à une unique collection de Gaussiennes de représenter à la fois des avatars naturels et exagérés. Cette approche améliore la fidélité, prend en charge les modifications locales et permet un contrôle continu de l'intensité de la caricature. Afin d'obtenir des déformations en temps réel, une interpolation efficace entre les surfaces originale et exagérée est introduite. Nous analysons et montrons en outre que son écart par rapport aux solutions de forme fermée est borné. Lors d'évaluations quantitatives et qualitatives, nos résultats surpassent les travaux antérieurs, produisant des avatars caricaturaux photoréalistes et contrôlés par la géométrie.

English

A photorealistic and controllable 3D caricaturization framework for faces is introduced. We start with an intrinsic Gaussian curvature-based surface exaggeration technique, which, when coupled with texture, tends to produce over-smoothed renders. To address this, we resort to 3D Gaussian Splatting (3DGS), which has recently been shown to produce realistic free-viewpoint avatars. Given a multiview sequence, we extract a FLAME mesh, solve a curvature-weighted Poisson equation, and obtain its exaggerated form. However, directly deforming the Gaussians yields poor results, necessitating the synthesis of pseudo-ground-truth caricature images by warping each frame to its exaggerated 2D representation using local affine transformations. We then devise a training scheme that alternates real and synthesized supervision, enabling a single Gaussian collection to represent both natural and exaggerated avatars. This scheme improves fidelity, supports local edits, and allows continuous control over the intensity of the caricature. In order to achieve real-time deformations, an efficient interpolation between the original and exaggerated surfaces is introduced. We further analyze and show that it has a bounded deviation from closed-form solutions. In both quantitative and qualitative evaluations, our results outperform prior work, delivering photorealistic, geometry-controlled caricature avatars.