论文《ICface: Interpretable and Controllable Face Reenactment Using GANs》提出一种通用的人脸动画控制器，能够控制给定人脸图像的姿势和表情。动画由头部姿势角度和动作单元（AU）值组成的人类可解读控制信号来驱动。控制信息可以从包括外驱动视频和人工操作系统的多种来源获得。由于驱动信号的可解读性质，人们可以轻易地在多种来源中进行信息混合（如姿势出自一幅图像，而表情出自另一幅），并运用可选择性的后期制作编辑。由于双阶段神经网络模型是通过使用一个大型视频采集而自监督习得的，所以提出的人脸动画控制器可以实现。提出的可解读和可控制的人脸重演网络（ICface）与多任务中基于人脸动画技术的最优神经网络进行了比较。结果显示，ICface的视觉效果更好，同时较之大多数类似方法，ICface的通用性更强。该文提出的模型可以为诸多高级图像和视频编辑任务提供一种轻巧易用的工具。