1.一种基于文本引导优化的三维感知头像精细化表情编辑方法，其特征在于，包括以下步骤：S1:数据输入，输入一张参考人脸图像I R 和一个目标表情的文本描述；S2:初始参数提取，使用冻结的EMOCA编码器从参考图像I R 中提取FLAME模型的表情参数α R 和身份/姿态参数(θ，β)，同时从StyleGAN的隐空间中随机采样一个初始隐编码w；S3:参数协同优化，将初始表情参数α R 和纹理隐编码w送入双重映射器模块，通过交叉注意力和各自的映射器网络，计算出表情参数的变化量Δα和纹理编码的变化量Δw，得到优化后的参数α R '＝α R +Δα和w'＝w+Δw；S4:图像合成，将优化后的参数α R '和w'，连同固定的身份和姿态参数，输入到冻结的合成网络中，生成一张经过表情编辑的图像I E ；S5:多目标损失计算，将生成的图像I E 、初始图像I I (由初始参数w和α R 生成)以及目标文本送入文本引导优化模块，分别计算CLIP损失、身份损失和映射器L 2 损失；S6:模型优化，根据计算出的总损失 通过反向传播算法，只更新双重映射器模块的参数，整个过程中合成网络、EMOCA和CLIP编码器等预训练模块均保持冻结状态；S7:迭代训练，重复S3至S6步骤，对每一个表情类别分别进行训练，直到模型收敛，获得能够根据文本提示进行精确表情编辑的双重映射器。
2.根据权利要求1所述的一种基于文本引导优化的三维感知头像精细化表情编辑方法，其特征在于，所述步骤S6中总损失 为CLIP损失 身份损失 和映射器损失 三项损失的加权之和：
