GHARP：基于大规模重建先验的实时高斯头部动画

GHARP 提出一种从少量输入图像和驱动表情信号实时动画化 3D 人头的方法，将离线身份表征与运行时轻量动画网络解耦，在 Ava-256 基准上达到 SOTA 质量，在 A100 GPU 上速度提升最高 13x，高斯数量减少 8x。该方法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姿态与服装位置未指定导致的模糊与闪烁。论文已被 ACCV 2026 接收。