为了实现人类交流的沉浸式 3D 体验，需使用像手机摄像头一样的普通硬件获取 360 度的逼真人形头像，并使用经过训练的关键点检测器和多阶段优化过程创建头像。

Oct, 2022

本研究提出了 AvatarMe 方法，通过对大量面部形状和反射率数据的捕获从而建立一种能够逐步改善结果的 3D 纹理和形状重建方法，并生成所需的逐像素漫反射和反射组件，成功地从 “野外” 图像中重建真实的、4K x 6K 分辨率的 3D 面部，是第一次在这方面取得了显著进展。

Mar, 2020

本文介绍一种使用 RGB-D 自拍相机实现高保真、逼真、照片级的 3D 数字人头制作的完全自动化系统。该系统采用不同于传统的面部几何建模和反射合成技术，成功运用了两阶段帧选则过程和可微渲染器的 3DMM 拟合算法来从多视角 RGB-D 数据中恢复面部几何，进而实现人脸表面纹理的抠取与合成，从而制作出了高度真实细节的数字人头。

Oct, 2020

使用单张照片生成逼真的基于网格的人头模型系统 - ROME，模型估计头部网格和相关的神经纹理，编码了本地光度和几何细节。

Jun, 2022

该研究提出了一种通过对单视角幅面图像进行重建和动画化的三维头像，通过三个三角面分别捕捉源图像的粗略三维几何，详细外观以及目标图像的表情实现，再通过超分辨率模块的渲染进行填充并通过单向传递网络的高效性进行动画。实验表明，该方法在重建和动画方面优于当前最先进的基线方法，并且对新的验证数据集有很好的泛化能力。

Jun, 2023

本文提出了 AvatarStudio—— 一种基于文本的方法，用于编辑动态全头人物角色的外观。该方法与现有的神经辐射场 (NeRF) 捕捉动态表现的工作相结合，并用文本 - 图像扩散模型对其进行编辑。经过我们视觉和数字方面的用户体验后，发现我们的方法优于现有的方法。

Jun, 2023

我们提出了神经头像，该方法能够显式建模动画人物头像的表面几何形状和外观，是虚拟现实和其他电影或游戏应用中数字人物的一种有效表示方法，它能够从单目 RGB 人像视频中学习，能够精确地外推到未知姿态和观察角度，并产生自然的表情和清晰的纹理细节。

Dec, 2021

我们提出了一种混合 Mesh-Gaussian 头像的方法（MeGA），通过选择增强的 FLAME 网格作为面部表示，并使用延迟神经渲染获取面部颜色，从而为多个不同组件提供更适合的表示方式，以获得更高保真度的头部渲染，进而支持多种下游任务。

Apr, 2024

DNA-Rendering 是一个大规模、高保真度的人体性能数据库，为神经演员渲染提供了丰富的资产，通过构建一个专业的多视角系统捕捉数据和提供多个任务的大规模定量基准，促进了人体中心化渲染的现有进展。

Jul, 2023

FitMe 是一种面部反射模型和可微分渲染优化管线，能够从单个或多个图像中获取高保真演示人体化身，具有多模态样式生成器，PCA 基于形状模型，快速可微分渲染过程，实现光真实的面部着色，实现反射获得和身份保存方面的最新成果。

May, 2023