Apr, 2021

基于样例的 3D 人像风格化

PDF
TL;DR本文介绍了一个用于一次性 3D 肖像样式转移的框架，可以在仅需要一幅不同样式图像的情况下，生成具有几何和纹理风格的 3D 面部模型，而不是一整套相关样例。本文探索了两个阶段，以利用三位面部关键点转换来捕捉粗略的几何样式，并利用差分渲染器，在多视角框架下 对规范纹理进行样式转移。实验表明，我们的方法在不同的艺术风格上取得了稳健的结果，并优于现有的方法。
portrait stylization3d face modelstexture stylizedgeometry exaggeratedone-shot transfer
发现论文，激发创造
  • 拼贴大师：基于样例的高分辨率肖像画风转换

    本文介绍一种名为 DualStyleGAN 的新型神经网络，可用于基于范例的高分辨率肖像风格迁移，实现原始面部领域和艺术肖像领域的双重风格控制，并通过一种新型的渐进微调机制使其能够精确拼贴风格示例。实验证明其在高质量肖像风格转换和灵活的样式控制方面优于现有方法。

    Mar, 2022

  • HyperStyle3D: 通过超网络进行文本引导的 3D 人像风格化

    本文提出了一种基于 3D-aware GANs 的 HyperStyle3D 方法，利用 CLIP 模型作为样式指导，可以在不要求 3D 数据的情况下进行立体画风化处理，实验结果表明该方法在不同的画风、形状变形、属性修改等方面展现了优异表现，且保持了 3D 一致性。

    Apr, 2023

  • 自由风格和快速的 3D 肖像合成

    提出了一种利用文本提示来指定风格的快速 3D 肖像合成框架，该方法借助生成先验来构建少量样本，采用目标样式替换预训练 3D 生成器的三层平面生成器，从而实现了高质量和一致性风格合成。

    Jun, 2023

  • 3D 照片风格化：从单张图像学习生成风格化新视角

    本文提出了一个深度模型，在场景的点云表示中学习基于几何感知的内容特征，以生成高质量且在视图上具有一致性的艺术化图像，从而实现了从单个图像到任意风格化图像的 3D 照片艺术化生成，并在定性和定量研究中展示了方法的优越性。

    Nov, 2021

  • 3DStyleNet：以几何和纹理风格变化创建 3D 形状

    该研究提出了一种创建三维内容、进行几何和贴图风格变化的方法，借助预先训练的图像样式转换网络和自己的几何样式网络，可实现数据增强与单图像 3D 重构任务。

    Aug, 2021

  • 3DSNet：无监督形状到形状的 3D 风格转换

    本研究提出了一种基于分离内容和风格表示的基于学习的方法，用于在 3D 对象之间进行风格转移，可以合成以目标 3D 模型为风格，来源 3D 模型为内容的新 3D 形状，同时我们还将其扩展到了多样式分布的隐式学习。实验结果证实了该方法在多个基准测试中的有效性。

    Nov, 2020

  • StyleMesh：室内三维场景重建的风格转换

    本研究基于场景重建的网格应用风格转移技术，让用户能够在虚拟现实中欣赏以喜欢的艺术家绘画风格来呈现的三维环境。研究通过对场景网格的纹理进行优化并从所有可用的输入图像上共同进行风格化，实现了一致性和稳定性风格化表现。

    Dec, 2021

  • Portrait3D：基于单张野外人像图像的 3D 头部生成

    提出了 Portrait3D 框架，通过将肖像图像的身份信息整合到几何初始化、几何塑造和纹理生成阶段中，实现了从单幅肖像图像生成高质量 3D 头像的方法。

    Jun, 2024

  • 可变形风格转移

    提出了一种基于优化的 “可变形风格转移” 方法，可以联合处理内容图像的几何形状和纹理来更好地匹配风格图像，并且不需要训练一整个匹配的样本数据集。

    Mar, 2020

  • 肖像风格化：人脸风格化的辅助网络艺术风格转换

    本文提出了一种利用辅助预训练人脸识别模型的嵌入特征来促进图像风格转移算法将内容图像中的人脸特征传播到最终风格化结果，以解决现有方法在整个风格化过程中难以保留人脸的个体特征的问题。

    Sep, 2023