三维虚拟数字头部模型在游戏，视频和虚拟现实通信中有很多应用场景。传统方法通常需要昂贵的设备和人力，而最近的研究则可以自动从视频中学习可驱动的三维头像模型。

来自苏黎世联邦理工学院 AIT Lab 的在读博士郑羽丰等人的研究希望实现的目标是包括了精确的几何形状、对新表情的泛化能力、在新环境下的重照明能力以及优秀的训练和渲染效率。对此，郑羽丰认为这类研究的核心在于底层的几何表示，它直接决定了模型可采用的的驱动方法和渲染方法。

郑羽丰等人通过相关工作分析不同几何表示的优缺点，并提出了 IMavatar（CVPR 2022 Oral）和 PointAvatar （CVPR 2023）两篇工作。其中，基于隐式表面的 IMavatar 达到了同类工作中最棒的几何准确度，并可对新表情泛化。而最新的 PointAvatar 是第一个基于点云的数字头像重建方法，并且它同时具备灵活的拓扑结构，高效的渲染能力，强大的纹理表达能力和泛化能力。

5月11日晚7点，AI新青年讲座第206讲邀请到苏黎世联邦理工学院AIT Lab在读博士郑羽丰参与，主讲《从视频中重建可驱动的三维数字头像模型》。