蘋果機器學習研究團隊提出了 GHARP（Real-time Gaussian Head Animation from Large-scale Reconstruction Prior），一種能夠從受試者的少量輸入影像和驅動表情訊號即時生成 3D 人頭動畫的新方法。該方法的核心思想是將問題分解為兩個階段：身份階段和動畫階段。身份階段在離線完成，負責構建受試者幾何形狀和外觀的表示；動畫階段在執行時進行，在身份表示的基礎上預測與表情相關的殘差。這種分離設計在保真度、質量和執行時間之間實現了有利的權衡：身份階段可以承擔較高的計算成本，而動畫階段則執行一個輕量級網路，並針對移動裝置進行了最佳化。
GHARP 的動畫在一個預訓練重建模型的語義結構化潛在空間中執行。在這一空間中，表情變化保持空間區域性性，使得殘差預測更加高效。該重建先驗提供了一致的空間佈局，允許將多個輸入檢視融合成一個緊湊的、固定大小的規範高斯表示。這種兩階段設計雖然改善了執行時與質量的權衡，但仍然繼承了所有表情驅動虛擬人方法的共同問題：表情編碼只描述面部，因而忽略了身體姿態和衣物位置，導致這些區域在輸入中缺乏明確指定。動畫網路面臨一個不適定的對映問題，只能對沖突的身體外觀進行平均，從而產生模糊和時序閃爍。
為了解決這一問題，研究團隊引入了一個身體對齊網路。該網路學習將目標影像中人物的身體與輸入參考影像進行對齊，從而從訓練訊號中消除歧義。透過這種方式，動畫網路能夠更準確地處理身體姿態和衣物位置，顯著減少模糊和閃爍現象。實驗結果表明，GHARP 在 Ava-256 基準上達到了最先進的質量，同時在 A100 GPU 上執行速度提升高達 13 倍，且高斯數量減少了 8 倍。
該論文的作者包括 Ali Benlalah、Sepehr Johari、Patricia Vitoria、Armin Kappeler 等，發表於 2026 年 10 月。GHARP 建立在團隊之前的工作基礎之上，例如 HeadsUp（一種從多視角捕捉中大規模高質量重建 3D 高斯頭部的方法）和 HUGS（Human Gaussian Splats，一種使用 3D 高斯潑濺表示可動畫人體的方法）。這些先前的研究為 GHARP 的重建先驗和高效表示提供了基礎。