Partha Ghosh, Pravir Singh Gupta, Roy Uziel, Anurag Ranjan, Michael Black...
TL;DR该研究使用预定义的控制参数来调节生成过程,进而产生了一种具有参数控制的生成式人脸模型 GIF,它结合了 3D 主题的控制和 GANs 的高保真生成,经过感知研究得出 GIF 表现良好。
Abstract
photo-realistic visualization and animation of expressive human faces have
been a long standing challenge. 3d face modeling methods provide parametric
control but generates unrealistic images, on the other hand,
我们提出了一个具有明确控制 GAN 生成的图像的框架,借助于对抗性训练(GANs)、明确控制的潜在空间以及对人类的符号解释模型进行了对生成图像的控制,可扩展到人类脸谱以外的领域,实现了身份、年龄、姿态、表情、头发色彩和光照方面的控制,并且在画像和狗图像生成的领域中都展示了控制能力,同时表现出优良的定量和定性性能。