TeGA：用于高分辨率动态头部建模的纹理空间 Gaussian 化身

基于摘要分析。TeGA 研究多视角视频驱动的高分辨率动态三维头部化身重建，针对非刚性运动估计不准造成的细节损失，以及内存限制对 3D Gaussian 数量的约束，提出纹理空间中的可变形 Gaussian 编码与整体拟合流程。 方法以基于网格的 3D morphable model 提供头部粗粒度变形，将表示逼真外观的 3D Gaussians 嵌入网格的连续 UVD 切线空间，以便在需要细节的位置更有效地加密；再通过 UVD deformation field 对 Gaussians 进行形变，捕获细微、局部的面部运动。其核心设计是将网格层面的粗变形与 Gaussian 层面的局部形变结合，以同时保留外观细节和皮肤皱纹等瞬态高频特征。 作者报告，该表示及拟合流程能够显著增加用于建模的 3D Gaussians 数量，并改善面向 4K 分辨率渲染的建模质量。摘要未提供具体 Gaussian 数量、内存占用、渲染速度、质量指标或对照结果，因此尚不能量化其相对既有方法的收益，也不能据此认定达到实时渲染。 该方法依赖多视角输入视频及网格形变表示。数据集、采集与划分协议、损失函数、拟合细节、消融及统计信息尚未验证，代码与复现资源也需进一步核对。论文主要研究对象是计算机图形学中的动态头部建模，而非神经信号解码；现有材料未建立其与 EEG/BCI 瓶颈的具体对应关系，不据此提出迁移效果或复现实验建议。