三维 GAN 与潜空间：综述
计算机视觉与模式识别
2023-04-11 v1 人工智能
机器学习
图像与视频处理
摘要
生成对抗网络（Generative Adversarial Networks, GANs）通过将低维随机噪声映射到高维空间，已成为生成建模中的重要角色。这些网络已被用于生成高分辨率图像和三维物体。三维物体和人脸的高效建模在游戏或模拟等三维图形环境的开发过程中至关重要。三维 GAN 是一种新型生成模型，用于三维重建、点云重建和三维语义场景补全。噪声分布的选择至关重要，因为它代表了潜空间。理解 GAN 的潜空间对于微调生成的样本至关重要，正如图像语义有意义部分的变化所展示的那样。在这项工作中，我们探索潜空间和三维 GAN，考察若干 GAN 变体和训练方法，以深入了解如何改进三维 GAN 训练，并提出进一步研究的潜在未来方向。
引用
@article{arxiv.2304.03932,
title = {3D GANs and Latent Space: A comprehensive survey},
author = {Satya Pratheek Tata and Subhankar Mishra},
journal= {arXiv preprint arXiv:2304.03932},
year = {2023}
}