提出LiftedGAN框架，无需手动标注或3DMM模型的训练，通过可微分的渲染器分解StyleGAN2的潜在空间，生成3D组件，并输出3D形状和纹理，实现内容可控性，在生成逼真高质量图像方面表现出超越现有方法的优点。
Nov, 2020
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
本文介绍了CIPS-3D，一个基于StyleGAN和NeRF的生成器，它能够生成具有3D感知能力的高品质图像。该生成器避免了空间卷积或上采样，通过深度内隐神经表示网络合成每个像素值，并通过辅助鉴别器解决了镜像对称问题。 在单视图图像上进行训练后，CIPS-3D在FFHQ数据集上以6.97的FID成为3D感知图像合成的最佳记录，同时展示了多个有趣的方向，如迁移学习和3D感知面部风格化。
Oct, 2021
MOST-GAN 使用 3D 形态模型耦合现代化 2D 变形网络实现面部图像生成、控制和逼真操作。
Nov, 2021
使用强大的神经网络先验和渐进增长策略，成功地在ImageNet上训练了最新的StyleGAN3生成器，创造了新的StyleGAN-XL模型，并在大规模图像合成方面取得最新的技术突破。
Feb, 2022
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
提出了一种新的3D可控脸部操作方法：3D-FM GAN，通过将输入脸部图像和3D编辑的真实渲染相结合，可以提供高质量、身份保留、3D可控的脸部操作，相较于现有技术，具有更好的可编辑性、更强的身份保护和更高的照片逼真度。
Aug, 2022
本研究提出了一种通用的3D GAN反演方法，可以同时计算相机视角和潜变量代码，从而实现多视角一致的语义图像编辑。其关键在于利用预训练的估算器用于更好的初始化，并利用从NeRF参数计算的像素深度来更好地重构给定的图像。
Oct, 2022
本文提出了一种适应性框架，它能够使3D-GAN在艺术数据上训练，同时保持多视角的一致性和良好的纹理质量，通过优化方法对摄像机参数进行分布对齐，提出了纹理常规化技术，同时避免退化几何解，并展示了一种变形技术，使艺术领域的几何形态更加夸张，可以个性化的进行几何编辑，最终实现了在艺术数据集上生成、编辑和动画化个性化的3D角色。
Jan, 2023
通过将问题拆分为两个子问题，我们提出了SideGAN，一种新颖的3D GAN训练方法，用于生成与相机位置无关的逼真图像，特别适用于侧视角的人脸。
Sep, 2023