ExpPortrait：通过个性化表示生成富表现力的人像

基于摘要分析。ExpPortrait 研究富表现力、连贯且可控的人像视频生成，提出个性化头部表示，以更有效地解耦身份与表情，并将其作为 diffusion transformer（DiT）生成器的条件信号。其主要研究对象是视觉人像生成，而非 EEG 解码或 BCI。 作者认为，2D landmarks 和参数化模型等中间控制信号受稀疏或低秩表示限制，难以充分表达个性化细节。所提表示同时描述被摄者特有的静态全局几何和与表情相关的动态细节；另设表情迁移模块，用于在不同身份之间个性化迁移头部姿态与表情细节，再由条件 DiT 合成人像视频。摘要未披露表示的具体构造、解耦约束、损失函数及训练流程。 作者报告，在 self-reenactment 与 cross-reenactment 任务中，该方法相较既有模型具有更好的身份保持、表情准确性和时间稳定性，尤其能够捕捉复杂运动的细粒度细节。摘要未给出数据集、划分、对照模型、量化指标或具体数值，实验协议、消融及统计信息尚未验证，复现所需的数据与实现条件也尚不明确。 材料没有提供神经信号输入、脑活动监督或与 EEG/BCI 的具体机制对应关系，因此不能据此推断其具有 BCI 解码效果；此处不提出跨领域迁移实验建议。