该文综述单视角图像三维头像重建与动画化，涵盖神经辐射场、3DMM驱动、超分辨率渲染及元学习等方法，实现表情姿态控制与高保真合成，泛化能力和渲染质量优于现有基线。

文本到3D建模研究进展迅速：ATT3D通过统一模型摊销优化实现跨提示知识共享；有方法利用预训练图像扩散模型作监督，约8毫秒生成3D资产，无需3D训练数据；Instant3D用前馈网络不到一秒生成3D对象，20秒内产出高质量无Janus问题资产，比优化方法快两个数量级；HexaGen3D推广能力强；还有方法结合2D扩散先验与NeRF优化，及基于3DMM的文本引导头部生成。

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。

本文介绍了一种从野外拍摄的单目RGB视频学习高质量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。该方法结合几何先验、3DMM的动态跟踪和神经辐射场，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，具有更准确的表情依赖细节，并在训练之外的表情和数量上具有优秀的渲染效果。