ICCVSep, 2019

游戏角色自动生成的面部参数转化

PDF
TL;DR该研究提出了一种方法，通过面部相似度测量和参数搜索范例解决优化问题，使用两种损失函数来创造游戏角色，其中一个是 “可辨别损失”，另一个是 “面部内容损失”，并引入生成网络作为 “模拟器” 来实现，该方法在新游戏中已被玩家使用超过 100 万次。
character customizationfacial similarity measurementloss functionsgenerative networkneural style transfer
发现论文，激发创造
  • 游戏角色自动创建的快速坚固的面部特征到参数的转换

    本研究提出一种游戏角色自动生成框架，根据玩家的输入面部照片生成游戏角色。通过自我监督学习范式下预测一大组具有物理意义的面部参数，提高了效率，并保留了互动性，在七个公共面部验证数据集上显示出更好的鲁棒性，特别是对于具有头部姿势变化的照片。

    Aug, 2020

  • 游戏角色自动生成的零样本文本转参数翻译

    本文提出了一个新的基于文本的参数翻译方法（T2P）来实现零样本驱动游戏角色的自动创作，T2P 采用大规模预训练的多模态 CLIP 和神经渲染的技术来统一搜索连续和离散的面部参数，经实验表明 T2P 比其他 SOTA 的文本到 3D 生成方法在客观和主观评估上表现更优秀。

    Mar, 2023

  • 通过 PokerFace-GAN 实现中性面部游戏角色自动生成

    本文提出了一种基于 PokerFace-GAN 的游戏角色自动创建方法，通过建立一个不同 iable 的角色渲染器来更加灵活地进行多视角渲染，并利用对抗性训练有效地将表情参数与身份参数相分离，从而生成玩家所喜爱的中立面（表情无表达的）角色。经过实验证明，本文的方法可以生成非常类似于输入照片的生动中立面游戏角色。

    Aug, 2020

  • 无监督生成参数化头像

    本文研究将输入图像映射到由参数向量和图像组成的绑定对中的问题，并提出了一种基于差异的泛化界限和采用 GAN 实现网络解决方案的方法。实验表明，该方法可以解决自动生成头像的问题。

    Apr, 2017

  • 从单张肖像创建游戏角色面孔的 MeInGame

    本研究提出一种自动化游戏角色面部创建方法，可以预测面部形状和纹理，并可以整合到大多数现有的三维游戏中，超越目前游戏中使用的最先进的方法

    Feb, 2021

  • 基于生成对抗网络的自动动漫角色创作

    本文通过使用 DRAGAN，并给出实态案例进行定量分析结合数据和模型方面，成功专门针对一个 Anime 风格的面部图像数据集训练出一套稳定且高质量的 GAN 模型，同时，为了帮助动漫形象设计，作者还建立了一个可供公众访问的在线预训练模型的网站。

    Aug, 2017

  • 基于生成对抗网络的人脸转换

    提出了一种基于生成对抗网络的端到端人脸转移方法，使用 CycleGAN 生成目标角色的面部图像并探究了 PatchGAN 以及不同感受野大小对生成图像的影响。

    Oct, 2017

  • MyPortrait: 可塑形先导定制肖像生成

    在计算机视觉领域，生成逼真的说话脸部是一个有趣且长期存在的课题。尽管已经取得了显著的进展，但是生成具有个性化细节的高质量动态脸部仍然具有挑战性。本文提出了一种简单、通用且灵活的神经画廊生成框架 Myportrait，在单目视频中加入个性化先验和三维人脸形变空间的可变先验，在新的可控参数下生成个性化细节。我们的框架支持基于视频和基于音频的面部动画，给定单个人的单目视频。通过测试数据是否发送到训练中，我们的方法提供了实时在线版本和高质量离线版本。广泛的实验证明了我们方法在各个指标上优于最先进方法。代码将公开发布。

    Dec, 2023

  • SwiftAvatar：基于任意 Avatar 引擎的参数化风格化人物自动生成系统

    本文提出了 SwiftAvatar 框架，引入了双域生成器和 GAN 反演技术，通过合成包含 avatar vectors 和与之对应的真实面孔的数据，训练出一个轻量级的 avatar vector estimator，实现了高效的 avatar 自动创建，并在两个不同的 avatar engine 上验证了其优越性和灵活性。

    Jan, 2023

  • GAN-Avatar: 可控个性化基于 GAN 的人头图像生成器

    我们提出了一种从图像中学习具有人物特定的可动画化角色模型的方法，旨在解决面部表情追踪失败的问题，并实现高保真度的图像合成。

    Nov, 2023