GHARP permite animar cabezas 3D en tiempo real en dispositivos móviles

  • PublicPublic
  • 26 Oct, 2026
GHARP permite animar cabezas 3D en tiempo real en dispositivos móviles

Investigadores de Apple han presentado GHARP, un nuevo método para animar cabezas humanas en 3D en tiempo real a partir de unas pocas imágenes de entrada y una señal de expresión que actúa como guía. La innovación clave consiste en dividir el proceso en dos etapas: una etapa de identidad sin conexión, que crea una representación detallada de la geometría y la apariencia del sujeto, y una etapa de animación en tiempo real, que predice residuos dependientes de la expresión. Esta separación permite que la etapa de identidad sea costosa desde el punto de vista computacional, mientras que la etapa de animación utiliza una red ligera optimizada para dispositivos móviles. Así se logra un equilibrio favorable entre fidelidad visual, calidad y rendimiento en tiempo de ejecución.

La etapa de animación opera en un espacio latente con estructura semántica, obtenido a partir de un modelo de reconstrucción preentrenado. Este enfoque garantiza que los cambios de expresión permanezcan contenidos espacialmente, lo que hace que la predicción de los residuos sea muy eficiente. El conocimiento previo de la reconstrucción aporta una disposición espacial coherente, que facilita la fusión de varias vistas de entrada en una representación gaussiana canónica compacta y de tamaño fijo. Gracias a este espacio estructurado, el sistema puede procesar movimientos faciales complejos sin necesitar grandes recursos computacionales durante la fase de renderizado, y mantiene así una alta tasa de fotogramas adecuada para aplicaciones interactivas.

Un desafío importante de los métodos de avatares controlados por expresión es que los códigos de expresión normalmente describen solo el rostro y omiten la pose del cuerpo y la posición de la ropa. Esta omisión deja esas regiones insuficientemente especificadas, lo que da lugar a un mapeo mal planteado en el que la red de animación puede recurrir a promediar apariencias corporales contradictorias, con el resultado de desenfoque visual y parpadeo temporal. Para resolverlo, GHARP incorpora una red de alineación corporal que aprende a alinear el cuerpo de la persona en la imagen objetivo con las imágenes de referencia de entrada. Esta alineación elimina la ambigüedad de la señal de entrenamiento y garantiza que los elementos no faciales se mantengan estables y coherentes durante la animación.

El método alcanza una calidad de vanguardia en el benchmark Ava-256 y mejora de forma notable la eficiencia. En una GPU A100, GHARP funciona hasta 13 veces más rápido que métodos comparables y utiliza 8 veces menos gaussianas. Esta reducción de la carga computacional y este aumento de velocidad hacen que la tecnología sea viable para aplicaciones en tiempo real en hardware de consumo. La combinación de una reconstrucción de alta calidad y un procesamiento en tiempo de ejecución eficiente posiciona a GHARP como una solución práctica para los desarrolladores que quieran integrar animaciones de cabeza realistas y en tiempo real en plataformas móviles y de RX sin sacrificar el rendimiento.