本文介绍了一种名为GNR的通用神经演员框架，利用深度学习技术生成新颖的人体影像。该方法通过压缩轻场数据和引入可见性感知的聚合方案，在多个数据集上表现出色，尤其在单目视频学习和动态神经辐射场方面取得显著进展，展示了高质量渲染和良好的可泛化能力。

该研究通过单目视频学习可泛化的人类NeRF模型，并引入了可见性感知的聚合方案来计算顶点特征。同时利用注意机制增强体积特征，预测采样点的密度和颜色。还引入了表面引导采样策略以提高训练和推理效率。实验证明该方法在ZJU-MoCap数据集上具有可比性，并在单目People-Snapshot数据集上表现更好。