TimeWalker：用于终生尺度头部化身的个性化神经空间

TimeWalker 面向同一个人在不同生命阶段的完整 3D 头部化身重建与动画，利用跨年龄的非结构化数据学习个性化神经参数模型，并解耦形状、表情与外观。基于摘要分析，未取得论文全文；其主要研究对象是计算机视觉中的头部化身，而非神经信号或 BCI。 方法将个体身份表示为规范空间中的平均头部表示与时刻特定头部属性表示的加性组合，后者由一组神经头部基底驱动。Dynamic Neural Basis-Blending Module（Dynamo）依据个体跨年龄的共有特征与特定特征，动态调整基底数量及混合权重，以紧凑表示该个体的头部变化。这一设计针对的是仅依赖瞬时照片或短视频、难以覆盖长期身份变化的头部化身建模方式。 另一核心模块 Dynamic 2D Gaussian Splatting（DNA-2DGS）扩展 Gaussian Splatting 表示，以可控制的定向二维平面高斯圆盘建模表情等运动形变。它利用参数化可变形人脸模型的先验，使这些圆盘随表情变化移动和旋转，目标是在表达形变的同时保持完整头部重建与渲染的真实感。 作者报告，实验展示了模型沿解耦维度进行化身重建与动画生成的能力，并呈现逼真的渲染效果。摘要未提供数据集、人物数量、生命阶段覆盖、训练与测试划分、对照基线或定量指标，实验协议、消融及统计信息尚未验证；非结构化数据的具体模态、采集要求及动态基底调整的实现方式也需查阅全文。现有材料未建立这些视觉表示机制与 EEG/BCI 瓶颈之间的具体对应关系，因此不据此提出 BCI 迁移结论或复现实验建议。