３DMMという頭部姿勢や表情を分離して制御可能な技術がある．提案法は，３DMMによりzero head-pose(頭部・表情が動いていないもの)からの変動量を計算する．この変動量を考慮したモデルを，表情などが変動する短いフレームの動画を使用して学習する．学習後は任意の頭部姿勢と表情のパラメータをNERFの入力に加える．こうすることで任意の頭部姿勢・表情の顔の色と密度推定を実現した．

提案法は頭部姿勢と表情の変化に対応している初のNeRF手法であり比較が出来なかった．そのため，論文内では頭部や表情が変動する短いフレームの動画に対して，従来SOTA手法とPSNRなどで比較評価．従来法よりも高い精度であることを示した．

近年のNeRFではある程度の変動を許容したものは存在するが，表情などには対応していなかった．提案法では，3DMMを組み込むことで表情や姿勢などの変形に対応しており，NeRFの表現能力を向上させたため．