실제 이미지에서 템플릿 특징 필드를 학습하여 3D 인식 GAN 모델을 구축할 수 있다. 이를 통해 카메라 자세 정보가 없는 실제 이미지에서도 완전한 3D 형상을 학습할 수 있다.
SphereHead는 기존 방식의 한계를 극복하고 고품질의 360도 전신 합성을 달성하였다. 구형 좌표계 기반의 새로운 삼중 평면 표현과 뷰-이미지 일관성 손실 함수를 도입하여 거울 얼굴 및 다중 얼굴 아티팩트를 효과적으로 해결하였다.
단일 이미지에서 기하학적 제약을 활용하여 일관성 있는 3D 뷰를 합성하는 새로운 생성 프레임워크를 제안한다.
단일 이미지에서 기하학적 제약을 활용하여 일관성 있는 3D 뷰를 합성하는 새로운 생성 프레임워크를 제안한다.
단일 이미지에서 기하학적으로 일관된 다양한 뷰의 3D 이미지를 효율적으로 합성하는 새로운 프레임워크를 제안한다.