인간 머리의 파라메트릭 모델 (Parametric models)은 전통적으로 애니메이션, 렌더링 및 재구성(reconstruction)을 위해 컴퓨터 비전(computer vision) 및 그래픽스(graphics) 분야에서 필수적으로 사용되는 도구입니다. 보다 최근에는 생성형 대형 비전 모델 (generative large vision models) 내에서 중요한 조건부 신호 (conditioning signals) 역할을 수행하며, 생성된 이미지에 대한 정밀한 공간적 제어를 가능하게 합니다. 그러나 기존에 공개적으로 사용 가능한 모델들은 일반적으로 해부학적 범위가 제한적이어서, 구강 내부 및 안구 구조를 무시한 채 외부 기하학적 구조 (outer geometry)만을 모델링하며, 저충실도 (low-fidelity) 입력 데이터셋으로 인해 기하학적 품질이 저하되는 경우가 빈번합니다. 본 보고서에서는 인간 게놈 (human genome)의 동음이의어에서 이름을 따온 Generative aNthropometric Model (GNM)이라 명명된 새로운 파라메트릭 모델을 소개합니다. GNM은 머리, 얼굴, 목, 안구, 치아 및 혀를 포함하며, 고해상도 3D 스캔의 광범위한 데이터베이스와 고품질의 해부학 특화 아티스트 제작 샘플을 결합하여 구축되었습니다. 본 보고서는 데이터 출처 (data provenance), 안구 및 구강 내부 구조를 위한 특화된 서브 모델 (sub-models)을 포함한 모델 아키텍처 (model architecture)를 상세히 설명하며, 대상 3D 얼굴 스캔을 피팅 (fitting)하는 데 있어 SotA (State-of-the-Art) 성능을 보여줍니다. 커뮤니티의 혁신을 촉진하기 위해 전체 GNM 프레임워크를 공개합니다.