本文提出了一种深度学习的自动化骨骼绑定与重定向方法，名为神经面部绑定（NFR），其在艺术控制、面部网格的连接与表情、表情细节方面具有良好表现。

May, 2023

本文提出一种从单目图像重建可操纵三维面部的方法，通过嵌入不同的网络优化，共同估计个性化面部的骨骼系统和包括表情，姿势和照明在内的每个图像的参数。该模型用深度学习数据驱动先验约束单目设置的面部重建，实现了 SOTA 重建准确度，并支持标准面部 Rig 应用。

Apr, 2021

本研究提出了 RigNeRF 这一系统，不仅能够让用户通过单个肖像视频控制头部姿态和面部表情，还能够实现场景物体的编辑和自由视角合成。

Jun, 2022

该论文提出了一种通过 3DMM 对 StyleGAN 进行 “面部控制” 的方法，可以实现对面部姿态、表情和场景光照等语义参数的控制，同时具备 StyleGAN 的照片般的逼真感。

Mar, 2020

提出了一种新的联合人脸对齐和三维人脸重建方法，该方法可以自动生成姿态和表情归一化的三维人脸，并能恢复可见和不可见的二维人脸关键点，从而可以改善跨姿态和表情的人脸识别准确性。实验结果表明，该方法在人脸对齐和三维人脸重建方面均达到了最先进的精度。

Aug, 2017

本文通过开发一种基于神经技术的方法，在不假定训练数据的基础形变模型的情况下，使神经网络学习到骨架、皮肤和混合形状，并构建了一个骨骼层次结构的网络架构，利用预定义的骨骼结构使 3D 角色实现高质量的姿态相关形变，其中提出了用于改进关节区域变形质量的纠正姿势依赖形状的方法。

May, 2021

提出一种新的使用隐式表示的解剖受限人脸模型，通过联合学习面部解剖和皮肤表面来建模，可以作为传统混合形状模型的可替代方案，并应用于形状拟合、形状编辑和性能重定向等任务。

Dec, 2023

这篇文章介绍了一种针对 3D 人体动作识别领域的改进型骨架图像表示方法 ——Tree Structure Reference Joints Image（TSRJI），并运用于卷积神经网络，实现了最新数据集 NTU RGB+D 120 上的最优结果。

Sep, 2019

本研究提出了一种从稀疏的多视角 RGB 视频中重建可控的隐式 3D 人体模型的新方法，使用网格表面点和身体网格的符号距离来定义神经场景表示，并通过改进的顶点法线的重心插值将点投影到网格表面上，实现了更高质量的新视角和新姿势合成，同时支持容易控制的身体形状和服装。

Jan, 2022

该研究提出 RigNet：一种基于深度学习的自动化动画角色建模软件，通过输入 3D 模型可以精确预测骨骼结构和表面权重，并且可以比其他算法更好地模拟动态效果。

May, 2020