本文提出了一种新型可动画化三维高斯模型，能够实时渲染高保真度的人体动作。该模型通过增强型三维高斯表示和可学习代码，解决了高频细节合成中的抖动问题。实验结果显示，该模型在多个数据集上优于现有方法，具备高效的渲染速度和准确的外观表现。

本文介绍了一种基于三维高斯模型的人体重建方法，结合几何先验和注意机制，实现高效的细节恢复和新视图合成。该方法在多个数据集上表现优异，具备实时渲染能力，克服了传统技术的局限性。

本文介绍了一种新型框架PSAvatar，利用三维高斯模型创建高保真可变形头像，实现实时动画效果。通过GaussianAvatars方法，用户可以完全控制头像的表情和姿势。研究提出的D3GA模型采用高斯分布点渲染，解决了多视角视频中逼真人体的实时渲染问题，显著提高了渲染质量和效率。

我们提出了一种新颖的可动画化的三维高斯模型，用于实时渲染高保真度的自由视角人体动作。与现有的基于 NeRF 的方法相比，该模型具有更好的能力，在视频帧之间合成高频细节时没有抖动问题。我们的模型通过增强型三维高斯表示，学习外观嵌入和外观细化模型来纠正错误外观和产生匹配目标姿态的剩余高斯属性。为了使高斯仅学习到人体前景，我们设计了一种新型的 Alpha 损失来约束高斯在人体内部。实验证明，我们的模型优于基于 NeRF 的方法。