Forschende der Konkuk University und des koreanischen Forschungsinstituts ETRI haben ein Verfahren vorgestellt, das fotorealistische 3D-Abbilder von Personen in Echtzeit erzeugt. Es soll Gesichter und Kleidung schärfer darstellen als bisherige Ansätze. Für Finanzhäuser, die über virtuelle Formate und digitale Sprecher nachdenken, rückt damit die Qualität in den Vordergrund.
Was das Verfahren anders macht
Gaussian Splatting beschreibt eine Szene als Wolke vieler kleiner, farbiger Ellipsoide. Daraus berechnet eine Grafikkarte in Echtzeit beliebige Blickwinkel. Für Personen war das bisher aufwendig, weil jedes Modell einzeln optimiert werden musste.
Generalisierbare Verfahren umgehen diesen Schritt. Ein einmal trainiertes Netz erzeugt das 3D-Abbild einer neuen Person aus mehreren Kamerabildern in einem Durchlauf. Laut dem Preprint von Gun Ryu und Kollegen legen diese Netze aber nicht fest, wie dicht sie Bausteine setzen. Komplexe Partien wie Gesicht oder Faltenwurf wirken deshalb oft verschwommen.
Die Autoren berechnen daher vorab, wo eine Person geometrisch und farblich besonders vielschichtig ist. Dort setzt das Modell mehr Bausteine. Das Training konzentriert sich zudem auf genau diese Bildausschnitte.
Was die Zahlen zeigen und wo Grenzen liegen
Auf dem Referenzdatensatz THuman2.0 erreicht das Verfahren nach Angaben der Autoren 32,42 dB PSNR, ein gängiges Maß für Bildtreue. Es liegt damit vor den verglichenen Methoden. Auf weiteren Datensätzen wie 2K2K und X-Humans erzielt es ähnliche Werte. Im Schnitt rendert es knapp 34 Bilder pro Sekunde und belegt rund 2 GB Grafikspeicher (Stand: Preprint vom 2. November 2026).
Die Zahlen stammen aus einem Preprint, das noch kein Begutachtungsverfahren durchlaufen hat. Sie beruhen auf Benchmark-Datensätzen, nicht auf Praxiseinsätzen. Belastbar ist vor allem die Richtung: Hohe Bildqualität und Echtzeit schließen sich bei digitalen Menschen immer weniger aus.
Zwei Grenzen benennen die Autoren selbst. Die Methode rekonstruiert nur statische Aufnahmen, also keine Personen in Bewegung. Außerdem braucht sie für die Komplexitätsberechnung 3D-Modelle bekleideter Menschen. Ein sprechender Avatar für ein Kundengespräch lässt sich damit noch nicht bauen.
Was das für Finanzkommunikation bedeutet
Für Asset Manager und Banken ist die Arbeit trotzdem ein Signal. Nach Einschätzung von altii sinken die Hürden für glaubwürdige digitale Abbilder von Fondsmanagern, Analysten oder Referenten. Das betrifft virtuelle Investorenveranstaltungen, Schulungen und Präsentationen in VR. Wer solche Formate plant, sollte Einwilligung, Bildrechte und Kennzeichnung früh klären.
Entscheidend für den Einsatz ist dabei weniger die Rechenzeit als der Aufwand bei der Aufnahme. Generalisierbare Verfahren könnten viele Personen ohne eigene Rechenläufe abbilden, etwa alle Referenten einer Konferenz. Das ist eine Einschätzung, denn solche Szenarien hat das Paper nicht erprobt.
Offen bleibt, wie schnell die Forschung den Schritt zu bewegten Personen schafft. Erst dann wird aus dem detailreichen Abbild ein Gegenüber für Gespräche in Echtzeit.
* DE: Die ergänzenden Inhalte können KI-generiert sein. EN: The additional content may be AI-generated.