Unselfie: 在野外环境中将自拍照翻译为中立姿态肖像
我们提出了一种生成全身自拍照的方法，该方法结合了事先捕捉的身体视频、目标姿势照片以及每个位置的自拍照片和背景照片，并采用了一种基于扩散的新方法来将所有信息合并成具有所需姿势和背景的高质量、构图良好的自拍照片。
Aug, 2023
本文提出了一种名为 SUPER 的新方法，用于消除自拍照片中的失真和调整头部姿势，实现了更真实的自拍照片编辑。通过 3D GAN 反向传播优化相机参数和面部隐藏编码，生成一张图像。此外，估计获得的隐藏编码的深度，创建深度感应的 3D 网格，并使用更新的相机参数进行渲染，获得一个形变的自画像。最后，通过基于可见性的融合，重新投影可见区域，并使用生成模型恢复被遮挡的部分。对自拍照片失真基准和自行收集的头部旋转数据集（HeRo）的实验表明，SUPER 在定性和定量上均优于以前的方法，为实现逼真的自拍照片编辑开辟了新的可能性。
Jun, 2024
通过卷积神经网络对一组拍摄自拍照以及参考照片进行训练，我们提出了一种将手机自拍照修正为拍摄于摄影棚内的统一照明压缩照片的方法，并成功改善了因自拍照引入的高光、阴影、皮肤过于光滑等缺陷。
Jan, 2019
本文提出了一种自我监督的方法，利用未标注的多视角数据学习单图像三维姿态估计器，通过多视角一致性约束将观察到的二维姿态分离成基础的三维姿态和相机旋转，并且提出了新的、无偏的重建目标函数，跨视角和训练样本混合信息。该方法在两个基准数据集（Human3.6M 和 MPII-INF-3DHP）和野外 SkiPose 数据集上进行了评估。
Nov, 2020
本文提出了一种使用生成式对抗学习的新方法，用于综合产生任意姿势的具有照片级真实感的人物图像。研究通过无监督的方式来处理此问题，并且将其分解成两个主要子任务，一是姿势条件的双向生成器，二是定义一个新型的损失函数，包含内容和风格项，旨在生成高感知质量的图像，可以在 DeepFashion 数据集上进行广泛的实验验证。
Sep, 2018
本文介绍了一种基于模块化生成神经网络的方法，用来合成出一张人的图像并保证姿势、外貌和背景的一致性，其中包括了基于图像和动作的训练资料，以及对抗性判别器等技术来实现姿势合成，最终能够生成与动作类别准确匹配的图像，同时还可以将多个动作合成为视频。
Apr, 2018
本论文提出了一种新的自我监督方法，通过训练不带标签的典型姿势图像数据集和未成对的 2D 姿势数据，从而实现了从单幅图像预测 3D 人体姿势的网络映射，可用于快速应用于其他人工结构（例如动物）的姿态估计。
Apr, 2023
最近的研究表明，视障人士希望像视力正常的人一样拍自拍照记录他们的照片并与他人分享。为了解决视障人士在拍摄自拍照时遇到的问题，本文提出了使用全景相机的多人自拍方法，通过面部检测、表情识别等技术，从多个视频帧中提取最满意的照片，并生成透视投影图，以确保所有参与者都在视角内。实验结果验证了该方法的有效性。
May, 2024
本篇论文提出了一个基于深度学习的图像纠正技术，能够有效去除近距离人像照片中透视失真等伪像，同时还能自动推断遮挡的面部特征，该方法不需要先配合三维面部模型，并且可以显著提高人脸识别和三维重建的准确度，实现单幅肖像图像的相机标定。
May, 2019