本文介绍了一种基于生成对抗网络的新型纹理合成模型,即空间 GAN(SGAN),其通过将输入噪声分布空间从单一向量延展至整个空间张量,实现了高品质、高可扩展性和快速实时正向生成等特点,并能够将多个不同类别的源图像融合到复杂的纹理中。同时,本文还讨论了该方法的一些局限性,并将其与其他神经纹理生成技术进行了比较。
Nov, 2016
本研究提出了一种可训练的、基于几何感知的图像生成方法,利用几何和分割等场景信息生成逼真自然、符合期望的场景结构的图像,并通过 GIS 框架插入驾驶场景中的车辆、生成来自 Linemod 数据集的物体新视角,展示其能够广泛适用于新颖的场景、物体形状和分割,且可用于合成大量训练数据以训练实例分割模型。
Sep, 2018
使用生成对抗网络和空间变换网络 (STNs) 实现将前景对象和背景图像自然组合的研究,提出了迭代 STN 变形机制和逐步训练策略,适用于高分辨率图像。
Mar, 2018
提出了一种基于 3D 可变形模型和生成对抗网络的面部综合模型,使用普适化方法将几何数据映射到二维平面,实现了对数字扫描的几何数据高效处理,在人类纹理参数空间中生成逼真的面部纹理和它们的对应几何图形,从而获得了新的高分辨率 3D 面孔。
Aug, 2018
提出了一种 SofGAN 图像生成器来将肖像的潜在空间分解为几何空间和纹理空间,在经过一系列实验后,展示了该系统可以生成具有对几何和纹理属性具有独立可控性的高质量肖像图像。
Jul, 2020
提出了一种基于多视角一致性生成对抗网络(MVCGAN)的高质量 3D 感知图像综合方法,采用几何约束技术,利用深度和相机变换矩阵等信息实现多视角联合优化,同时采用两阶段训练策略和混合训练技术提高模型的生成图像质量,实验结果表明,本方法达到了最先进的性能水平。
Apr, 2022
本文介绍了 Soft-Gated Warping Generative Adversarial Network(Warping-GAN)的开发,该网络利用了灵活轻便的规避块,以在生产人像时处理任意姿势等大尺度几何变换,并在两个大型数据集上得到了显着优越的表现。
Oct, 2018
本文提出一种几何引导生成对抗网络 (G2-GAN),通过面部几何条件(标识点)来引导特定表情的面部纹理合成,实现逼真的与身份保护面部表情合成,并取得了良好的实验效果。
Dec, 2017
该论文介绍了一种新的图像生成方法,采用几何形状模型将几何信息纳入生成过程,生成出具有任意面部属性的逼真人脸图像。
使用单视角 2D 照片集合进行高质量多视角一致的图片和 3D 形状的非监督生成一直是一个难题,本文提出了一种混合显式 - 隐式网络架构,用于提高 3D GANs 的计算效率和图像质量,实现了高分辨率实时多视角一致的图像合成,同时产生高质量的 3D 几何体。
Dec, 2021