待验证50% 置信事实精确时间
GHARP（Real-time Gaussian Head Animation from Large-scale Reconstruction Prior）采用两阶段解耦架构：离线构建身份表示，运行时预测表情残差。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证GHARP 的身份阶段与动画阶段之间的接口（残差表达方式与高斯属性对齐）需要精心设计，否则容易出现表情驱动时纹理漂移或几何扭曲。80% 相似待验证将神经渲染与动作迁移结合可先将人物重建为3D表示再施加骨骼驱动，能获得几何正确的遮挡关系和光照效果，优于纯二维变形方法63% 相似待验证面部微表情还原往往需要额外引入面部关键点检测或专门的面部重演模型63% 相似待验证该换脸方案与传统蒙版流程在架构上有本质区别，多模态大模型通过对图像内容的深度理解自行推断脸部区域边界并保持非编辑区域一致性62% 相似待验证作者设计损失函数直接计算生成图像的人脸嵌入与目标人脸嵌入之间的距离，实现端到端可微的人脸相似度优化62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1100830API
curl https://kongchang.com/api/v1/knowledge/claims/1100830MCP
get_claim(id=1100830)