本文提出了一种用于 Frontalization 的简单而有效的方法，并展示了它在面部识别和性别评估中的表现。

Nov, 2014

本文提出了利用 GAN 进行 3D 重建，并引入了 GAN 相机流形的概念，通过精准的相机控制，实现了真正自由视点的渲染，在输入少量的照片的同时具有明显的语义控制能力。

Sep, 2021

本文提出了一种基于 TP-GAN 网络的真实主观正面合成方法，通过引入对局部纹理的注意力网络，并结合对称损失、身份保留损失等方式来解决这个本质上存在不确定性的挑战性问题。实验结果表明，该方法不仅在感知结果上表现出色，而且在大角度人脸识别方面也优于现有的最新方法。

Apr, 2017

本文提出了一种基于新开发的三维生成对抗网络（GANs）的画像图像动画的技术，该技术允许对图像主体的姿态进行明确控制，并展示了该方法在图像质量，身份保护和姿态转移等方面胜过先前的方法，同时支持属性修改。

Mar, 2022

本文提出了一种利用深度学习中的 3D 可塑模型进行面部正面化的生成式对抗网络，可以有效提高识别率和处理不同姿势的面部图像。

Apr, 2017

本文提出了一种新的双重关注生成敌对网络（DA-GAN）来实现逼真的人脸正面效果生成，它结合了自注意力机制和面部注意力机制，使得生成的前面部分的人脸更加真实，具有更精细的面部外观和纹理信息，并在定量和定性实验中取得了良好的表现。

Feb, 2020

提出了一种高度稳健的基于 GAN 的框架，可从单个非约束性照片中数字化人物的标准化 3D 头像，并通过采用高度稳健的标准化 3D 面部生成器以及感知细化步骤来生成高质量的标准化面部模型。

Jun, 2021

本文提出了一种从单幅肖像图像生成动画化的 3D 卡通脸部的新框架，并针对传统模型建立漫画形象耗时且难以保持相似性的问题，提出了基于模板和形变转移的语义保留脸部绑定方法及实时动画演示。

Jul, 2023

在数字内容创作领域中，从单张图像生成高质量的 3D 角色是具有挑战性的，本文介绍了 CharacterGen 框架，该框架通过图像条件的多视角扩散模型和基于转换器的稀疏视角重建模型高效地生成 3D 角色。通过定量和定性实验证明该方法能够生成具有高质量形状和纹理的 3D 角色，可用于后续的蒙皮和动画应用。

Feb, 2024

提出了一种新的深度学习框架，可以恢复面部图像的规范视图，减少人内部差异，同时保持人际可辨性。然后使用基于面部组件的卷积神经网络从恢复的面部图像中学习面部特征，在 LFW 数据集上实现了最先进的性能，可应用于面部验证。

Apr, 2014