AniPortraitGAN:从 2D 图像集合生成可动态调整的 3D 肖像
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
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
我们提出了一种从图像中学习具有人物特定的可动画化角色模型的方法,旨在解决面部表情追踪失败的问题,并实现高保真度的图像合成。
Nov, 2023
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
PV3D 提出了第一种生成性框架,它可以合成多视角一致的肖像视频,通过添加多个运动层构建运动生成器来引入运动动态,并提出了简单而有效的摄像机条件策略,能够支持许多下游应用,如动画静态肖像和视角一致的视频运动编辑。
Dec, 2022
我们提供了第一个 3D 感知的全头像肖像生成器,它从包含多种摄像参数和身体姿势的高质量单视角真实肖像数据集学习一个规范化的 3D 化身分布,并利用我们的规范化生成器产生符合数据集身体姿态分布的变形结果来生成自各个摄像角度(360°)具有完整 3D 几何的视一致逼真肖像图像。
Jul, 2023
提出 GANHead 模型,利用精细控制和真实感渲染相结合的优点,通过三个网络在规范空间中表示粗略几何、细节和纹理,来生成完整、真实、可动的头部数字化 avatar,并通过 LBS 权重和 FLAME 参数的学习,来实现灵活地动画生成。该模型有效提升了头部数字化 avatar 生成和原始扫描拟合的性能。
Apr, 2023
本文提出了一种从 2D 图像生成逼真的 3D 人物的新方法,并使用多个辨别器和 2D 法线图形式的几何线索来训练模型,取得了在几何和外观方面超过以前 3D 和关节感知方法的性能,通过系统的消融研究验证了模型的有效性和每个组件的重要性。
May, 2023
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。
Dec, 2022