参数化人脸模型的缺失牙齿：GNM Head填补了这一空白

多年来，动画、VR和医学成像中使用的参数化头部模型一直将面部视为外壳。它们建模外部几何形状、皮肤、鼻子、嘴唇，却忽略了让面部发挥作用的结构：塑造言语的牙齿、发音的舌头、追踪视线的眼球。

随着GNM Head的推出，这一情况发生了改变。该模型在一篇预印本中介绍，研究组在摘要中未注明具体所属机构。生成式人体测量模型（Generative aNthropometric Model，缩写为GNM，与“genome”谐音）覆盖头部、面部、颈部、眼球、牙齿和舌头。论文称，该模型基于大量高分辨率3D扫描数据以及解剖学特定的艺术家制作样本构建。

该模型被设计为参数化模型，一种可以通过改变一组参数进行调整的数学表示。这使得它可用于拟合新扫描、生成变体或为生成式视觉模型提供条件。作者声称在拟合目标3D人脸扫描方面达到了最先进的性能，但摘要中未提供具体的基准测试数据。

此次发布值得关注，因为目前没有可比的公共参数化模型涵盖具有内部结构的完整头部。现有的流行模型如FLAME仅限于外部面部。GNM旨在填补这一空白，在牙齿建模、语音动画和逼真虚拟形象创建方面具有潜在应用。

对于计算机图形学而言，包含口腔内部几何结构为逼真的面部动画开辟了新可能性，尤其是口腔内部这一历来困难的区域。在医学领域，完整头部的参数化模型有助于手术规划、假体设计或理解人体解剖变异。眼部结构（眼球）也被建模，这对于逼真的注视和表情至关重要。

该模型基于高分辨率扫描并结合艺术家创建的解剖结构，确保了保真度和完整性。作者指出，现有数据集存在输入保真度低的问题，而GNM的数据来源旨在避免这一缺陷。

这篇论文是近期Hugging Face上讨论的视觉语言和多模态模型更广泛趋势的一部分，其中空间理解研究与生成模型正在融合。GNM的参数化表示可作为此类模型的条件信号，实现对生成头部图像的精准控制, , 作者明确提到了这一点。

作者写道，完整的GNM框架已公开提供，以促进社区创新。研究人员和开发者可通过论文在Hugging Face的页面访问代码和数据，但摘要中未注明许可条款。

该模型现已可用。对于从事数字人类或计算解剖学工作的人来说，GNM Head提供了一个一直缺少牙齿和眼睛的工具。它能否被广泛采用将取决于易用性和社区支持，但这一发布至少承认了参数化建模中一个鲜有人应对的盲点。