Anurag Ranjan, Kwang Moo Yi, Jen-Hao Rick Chang, Oncel Tuzel
TL;DR提出了一种生成框架 FaceLit，可从 2D 图像中学习纯 3D 面部形状和材质，并在各种用户定义的照明和视图条件下呈现，产生具有多视角和照明一致性的逼真人脸图像。
Abstract
We propose a generative framework, FaceLit, capable of generating a 3D face
that can be rendered at various user-defined lighting conditions and views,
learned purely from 2D images in-the-wild without any manual annotation. Unlike
existing works that require careful capture setup or h
VoLux-GAN 是一种用于综合具有令人信服的再照明的 3D 感知面孔的生成框架。我们的主要贡献是一种体积 HDR 再照明方法，可以有效地沿着每个 3D 射线累积漫反射和高光反射等光照贡献。此外，我们展示了监督图像分解过程使用多个鉴别器的重要性。通过多个实验和与其他生成框架的比较，我们的模型是迈向照片般逼真的 3D 再照明生成模型的一大步。