Core Concepts
다양한 스타일의 3D-Aware 만화풍 얼굴을 효율적으로 생성하는 ArtNeRF 프레임워크를 제안한다.
Abstract
ArtNeRF는 3D-Aware GAN 프레임워크를 기반으로 하며, 다음과 같은 핵심 구성요소를 포함한다:
스타일 인코더: 참조 이미지의 스타일 정보를 효과적으로 추출하는 자기지도학습 기반 인코더를 설계하였다. 이를 통해 스타일 정보와 공간 구조 정보를 분리할 수 있다.
조건부 생성 방사 필드: 아이덴티티 코드와 스타일 코드를 효과적으로 결합하는 적응형 스타일 블렌딩 모듈을 제안하였다. 또한 밀집 스킵 연결과 신경 렌더링 모듈을 통해 생성 품질과 렌더링 효율성을 향상시켰다.
트리플 판별기: 자연스러운 얼굴, 스타일화된 얼굴, 스타일 일관성을 동시에 고려하는 세 개의 판별기로 구성된 판별기 네트워크를 설계하였다. 이를 통해 생성된 이미지의 품질과 스타일 일관성을 향상시켰다.
실험 결과, ArtNeRF는 다양한 스타일의 3D-Aware 만화풍 얼굴을 효과적으로 생성할 수 있음을 보여준다. 특히 기존 방법들에 비해 높은 시각적 품질과 다양성, 스타일 일관성을 달성하였다.
Stats
생성된 얼굴 이미지는 다양한 각도(pitch ∈[ π
2 −0.2, π
2 + 0.2], yaw ∈[ π
2 −0.4, π
2 + 0.4])에서 높은 다중 뷰 일관성을 보인다.
제안한 신경 렌더링 모듈을 통해 128x128 해상도의 이미지를 실시간으로 렌더링할 수 있다.
Quotes
"우리는 3D-Aware 이미지 임의 스타일화 작업을 제안하며, 합성된 결과는 참조 이미지의 스타일 특성을 모방하면서도 강력한 다중 뷰 일관성을 유지해야 한다."
"우리는 ArtNeRF라는 3D-Aware GAN 기반 프레임워크를 설계하여 이 목표를 실현한다."