AUBlendSet

AUBlendSet是一个基于AU-Blendshape表示的3D面部数据集，用于跨身份的细粒度面部表情操控。数据集包含500个身份的32个标准面部动作单元（AUs）的混合形状数据，以及一组带有详细AU标注的面部姿态。AUBlendSet旨在为用户提供友好的交互性和支持细粒度风格化面部表情操控的数据集。

AUBlendSet is a 3D facial dataset based on the AU-Blendshape representation, designed for cross-identity fine-grained facial expression manipulation. The dataset contains blendshape data of 32 standard Facial Action Units (AUs) from 500 identities, along with a set of facial poses with detailed AU annotations. AUBlendSet aims to provide users with friendly interactivity and support fine-grained stylized facial expression manipulation.

搜集汇总

数据集介绍

构建方式

AUBlendSet数据集的构建基于32个标准面部动作单元（AUs），涵盖了500个不同身份的样本。通过FLAME参数空间中的关键风格因素（性别、年龄和面部形状比例）进行分层采样，系统生成了500个角色，确保风格变化的全面覆盖。每个角色采用表达性FLAME模型表示，包含5,023个3D顶点。专业艺术家根据面部动作编码系统（FACS）手动创建每个角色的混合形状控制基，确保对称性、风格适应性和语义一致性。

特点

AUBlendSet数据集的特点在于其精细化和风格化的面部表情控制。数据集不仅包含32个AU混合形状基向量，还提供了详细的面部姿势AU标注，支持精细的面部表情操作。每个角色的控制基能够准确捕捉独特的面部动态，使表情生成更加自然和个性化。此外，数据集还提供了丰富的标注示例，可用于表情生成和模型性能评估。

使用方法

AUBlendSet数据集的使用方法包括通过AU混合形状基向量进行精细化和风格化的面部表情操作。用户可以利用FACS编码表中定义的映射规则快速生成目标表情。数据集还支持多种下游任务，如风格化面部表情操作、语音驱动的情绪面部动画和情绪识别数据增强。通过AUBlendNet模型，用户可以预测与角色风格匹配的AU混合形状基向量，实现高效的面部表情控制。

背景与挑战

背景概述

AUBlendSet是由来自北京航空航天大学、鹏城实验室、华北理工大学、华盛顿大学和哥本哈根大学的研究团队于2025年提出的三维面部动画数据集。该数据集基于面部动作编码系统(FACS)，采用AU-Blendshape表示方法，旨在解决细粒度风格化三维面部表情操控的难题。数据集包含500个不同身份主题，每个主题包含32个AU-Blendshape基向量及详细标注的面部姿势。作为首个通过面部动作单元实现连续三维表情操控的数据集，AUBlendSet为虚拟现实、元宇宙等领域的数字角色表情动画提供了重要支持。

当前挑战

AUBlendSet面临的挑战主要体现在两个方面：在领域问题方面，现有数据集难以同时满足精细表情操控和风格化需求，要么采用预定义的通用混合形状缺乏个性化，要么依赖离散情感类别标签无法实现连续控制；在构建过程方面，需要确保500个身份主题的多样性覆盖，专业艺术家需手工创建符合FACS标准的混合形状基向量，并严格验证对称性、风格适应性和语义一致性等质量指标。此外，将复杂的面部肌肉运动简化为32个核心AU控制基，同时保持表情的自然性和表现力，也是数据集构建的重要技术挑战。

常用场景

经典使用场景

AUBlendSet数据集在3D面部动画领域中被广泛用于精细化和风格化的面部表情操控。该数据集基于32种标准面部动作单元（AUs）构建，涵盖了500种不同身份的样本，为研究人员提供了一个丰富且多样化的数据基础。通过AUBlendSet，研究者可以实现跨身份的面部表情精细控制，从而在虚拟现实、电影动画和情感计算等领域中生成高度自然和个性化的面部动画效果。

解决学术问题

AUBlendSet解决了3D面部动画中缺乏精细化和风格化表情控制数据的问题。传统数据集通常依赖于离散的情感类别标签或通用的混合形状控制基，难以实现精确的面部动作单元控制。AUBlendSet通过提供基于AUs的混合形状表示，使得研究者能够实现连续且细粒度的面部表情操控，从而在情感表达、面部动画生成和情感识别等任务中取得更优的效果。

衍生相关工作

AUBlendSet的推出催生了一系列相关研究工作，尤其是在3D面部动画和情感计算领域。基于该数据集，研究者提出了AUBlendNet模型，用于预测与特定角色风格匹配的AU混合形状控制基。此外，AUBlendSet还被用于改进面部动作单元检测算法，通过数据增强提升了模型的泛化能力和鲁棒性。这些衍生工作进一步扩展了AUBlendSet在学术研究和实际应用中的影响力。