Dec, 2022

3DHumanGAN: 面向照片般逼真的三维感知人体图像生成

PDF
TL;DR本文提出了一种名为 3DHumanGAN 的生成对抗网络（GAN），用于合成全身人体的图像，具有在不同视角和姿势下一致的外观。该模型采用了 2D 卷积背骨由 3D 姿态映射网络调制的生成器架构，能够生成具有 3D 人体先验知识和一致性的逼真图像，并通过对抗学习从网络图片中学习而来。
3dganhuman bodypose mappingadversarial learning
发现论文，激发创造
  • HumanGAN：一种生成人类图像的模型

    本研究设计了一种人类图像生成的生成模型，能够控制姿势，不同身体局部的外貌以及服装风格，能够生成高逼真度的图像，并在不同方面表现出色，如姿态控制、部位和服装转移以及关节采样。

    Mar, 2021

  • 基于 3D GAN 的大姿态人脸识别改进

    研究使用生成的合成数据进行面部识别的训练。通过在 GAN 的产生器中引入 3D 可塑模型，实现了从实际图像中学习非线性纹理模型，从而生成新的合成身份，同时操作姿势、照明和表情，而不会影响身份。最终使用生成的数据增加现有面部识别网络的训练，性能得到改善。

    Dec, 2020

  • HoloGAN: 从自然图像中的无监督学习 3D 表示

    本文提出了一种新颖 的生成对抗网络 HoloGAN，它使用 3D 表示学习世界，而不使用 2D 核心进行图像合成，可以对生成的物体姿态进行精确控制。与其他 GAN 不同，HoloGAN 可以在不需要标注姿态标签、3D 形状或同一对象的多个视角之前，仅从未标记的 2D 图像中端到端地训练。经实验证明，HoloGAN 可以在完全无监督的情况下从自然图像中学习 3D 表示，具有较高的视觉质量。

    Apr, 2019

  • 人体综合的三维感知语义引导生成模型

    提出了一种基于 3D-SGAN 的语义指导生成模型，利用生成神经辐射场（GNeRF）提取人体的隐式 3D 表示，并用纹理生成器将语义掩码转换为真实图像，为计算机图形学应用中的非刚性物体生成具有照片级真实感的图像。在 DeepFashion 数据集上，比最新的基准表现显著优秀。

    Dec, 2021

  • 单目视角下的人类图像综合的风格和姿态控制

    本文提出了一种新方法，称为 StylePoseGAN，用于合成具有姿势和部位外观显式控制的照片真实感的人类图像，并能够将其用于虚拟换装、动作模仿和新视角合成等应用中。

    Feb, 2021

  • AniFaceGAN: 为视频头像生成可动画 3D 感知人脸图像

    本研究提出一种可动画的 3D 感知生成对抗网络用于多视角一致的人脸动画生成，通过将 3D 感知生成对抗网络的 3D 表示分解为模板场和形变场，并提出 3D 级模仿学习方案，帮助我们实现高质量的动画面部图像生成并具有较强的可视化 3D 一致性。

    Oct, 2022

  • 姿势引导的人体视频生成

    本文提出了一种基于姿态引导的方法来以可分离的方式合成人类视频：可信的运动预测和协调的外观生成，旨在探索并掌握视频合成中人体姿态的本质动态和诠释能力，并在保持外观连贯性的同时处理异常和嘈杂数据，实验证明其优于现有技术。

    Jul, 2018

  • 任意姿态下无监督人物图像合成

    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

  • PanoHead: 360 度几何感知的 3D 全头合成

    提出了 PanoHead，这是第一种具有 3D 感知能力的生成模型，可以通过采用野外非结构图像进行训练来生成全头的高质量视角一致的图像，其核心是通过 3D GANs 来提高表示的能力并解决数据对齐差距。该方法可以在任意姿势下呈现准确几何形态和多样外观的高质量 3D 头部。

    Mar, 2023

  • AniPortraitGAN：从 2D 图像集合生成可动态调整的 3D 肖像

    基于非结构化的 2D 图像集合，我们提出了一种可调节面部表情、头部姿势和肩膀运动的三维感知生成对抗网络，该网络能够生成多样且高质量的三维头像。

    Sep, 2023