本文提出了一种从野外拍摄的单目 RGB 视频学习高质量的隐式三维头像的方法，通过参数化人脸模型驱动头像实现用户控制的面部表情和头部姿态，并使用几何先验和 3DMM 的动态跟踪结合神经辐射场实现细粒度控制和光线真实感。实验结果表明，该方法能够重建高质量的头像，并具有更准确的表情依赖细节，渲染效果优秀。

本文提出了一种从野外拍摄的单目 RGB 视频学习高质量的隐式三维头像的方法，通过参数化人脸模型驱动头像实现用户控制的面部表情和头部姿态，并使用几何先验和 3DMM 的动态跟踪结合神经辐射场实现细粒度控制和光线真实感。实验结果表明，该方法能够重建高质量的头像，并具有更准确的表情依赖细节，更好地推广到训练之外的表情和数量上优秀的渲染效果。

本文提出了一种从野外拍摄的单目 RGB 视频学习高质量的隐式三维头像的方法，通过参数化人脸模型驱动头像实现用户控制的面部表情和头部姿态，使用几何先验和 3DMM 的动态跟踪结合神经辐射场实现细粒度控制和光线真实感，并通过在 3DMM 几何上锚定的局部特征来预测，通过 3DMM 变形驱动，插值在 3D 空间中产生指定查询点的体积辐射。实验结果表明，该方法能够重建高质量的头像，并具有更准确的表情依赖细节，更好地推广到训练之外的表情和数量上优秀的渲染效果。