从短片到实时流：面向视频换脸的身份感知监督与高效上下文生成
StreamingSwap 是一种由参考图像引导的视频换脸框架。它结合身份损失、面部区域生成和短上下文训练，在迁移人物身份的同时保留其他画面内容与动作。研究团队还推出 HumanFaceVid，其中包含 1,000 小时电影素材训练数据，以及各含 200 部短视频和长视频的评测集。实验显示，该方法在单张 NVIDIA RTX 4090 上达到每秒 20 帧，并能稳定生成最长 10 分钟的视频。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。