HeadGAP ist ein fortschrittliches Modell zur Erstellung von 3D-Avataren, das aus wenigen oder sogar nur einem einzigen Bild einer Person fotorealistische und animierbare 3D-Avatare generieren kann. Das Modell lernt 3D-Gesichts-Vorwissen mithilfe eines umfangreichen, multiperspektivischen und dynamischen Datensatzes und realisiert die dynamische Modellierung durch ein auf Gauss-Splatting basierendes selbstdecodierendes Netzwerk. HeadGAP lernt die Eigenschaften von Gauss-Primitiven durch identitätsbasierte Kodierung und personalisierte latente Codes und ermöglicht so eine schnelle Personalisierung von Avataren.