// AI 新闻 · 2026-10-26 · Apple Machine Learning Research
GHARP实现基于大规模重建先验的实时头动画
Apple Machine Learning Research团队于2026年5月提出GHARP方法，通过两阶段设计实现从少量输入图像和表情信号中实时生成3D人头动画。首先离线构建个体几何与外观的表示，随后在运行时使用轻量网络预测表情相关的残差，兼顾精度与效率。
原文发布 2026-10-26 08:00（北京时间）来源 Apple Machine Learning Research自动整理 · 已核对原文
01摘要
该方法基于预训练重建模型的语义结构化潜在空间进行动画推断，确保表情变化在空间上局部且可高效预测。多视角输入被融合为统一的固定大小高斯表示，提升了稳定性。但原有方法因仅建模面部表情而忽略身体姿态与衣物位置，导致动画中身体区域模糊和帧间闪烁。为此引入身体对齐网络，学习将目标图像中的身体姿态与参考图像对齐，消除训练信号中的歧义。方法在Ava-256基准上达到当前最优质量，且在A100 GPU上运行速度提升达13倍，使用8倍更少的高斯点。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- GHARP通过两阶段设计实现从少量图像和表情信号中实时生成3D头动画
- 基于预训练重建模型的语义空间进行表达残差预测，保证空间一致性
- 身体姿态缺失导致模糊与闪烁，新增身体对齐网络解决该问题
- 在Ava-256基准上达到最优质量，A100上运行速度提升13倍，使用8倍更少高斯点
03原文出处
GHARP: Real-Time Gaussian Head Animation from Large-Scale Reconstruction Prior
Apple Machine Learning Research · 发布于 2026-10-26 08:00（北京时间） · 上方为原标题
05同主题新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 全部 AI 新闻 · 今日