GHARP：基于大规模重建先验的实时高斯头部动画

Apple 机器学习研究团队提出 GHARP，可从少量输入图像和表情驱动信号实时动画化 3D 人头。方法将问题解耦为离线的身份阶段和运行时的轻量动画阶段，在预训练重建模型的语义结构化潜空间中预测表情残差，并用身体对齐网络消除身体区域的模糊。该方法在 Ava-256 基准上达到 SOTA 质量，在 A100 GPU 上最高快 13 倍，Gaussian 数量减少 8 倍，动画网络针对移动设备优化。