基于局部特征投影的 3D 生成模型潜空间解耦
计算机视觉与模式识别
2023-04-05 v2 图形学
机器学习
摘要
设计逼真的数字人极为复杂。大多数用于简化其底层几何形状创建的数据驱动生成模型，无法对局部形状属性的生成进行控制。在本文中，我们通过在谱几何基础上引入一种新颖的损失函数，克服了这一局限，该损失函数可应用于不同的基于神经网络的 3D 头部与身体网格生成模型。通过鼓励网格变分自编码器（VAE）或生成对抗网络（GAN）的潜变量遵循身份属性的局部特征投影，我们改进了潜空间解耦并恰当解耦了属性生成。实验结果表明，我们的局部特征投影解耦（LED）模型不仅相较于最先进水平提供了改进的解耦效果，还保持了良好的生成能力，且训练时间与模型的原始实现相当。
引用
@article{arxiv.2302.12798,
title = {3D Generative Model Latent Disentanglement via Local Eigenprojection},
author = {Simone Foti and Bongjin Koo and Danail Stoyanov and Matthew J. Clarkson},
journal= {arXiv preprint arXiv:2302.12798},
year = {2023}
}
备注
Computer Graphics Forum 2023