在虚拟互动中，面部表情的自然生成一直是个难题，传统的解决方案常常依赖于昂贵的硬件设备或者只是简单地同步音频。这样的方式在用户全身活动、面部被部分遮挡，或者只通过身体动作来传达信息时，难以生成准确且生动…