HyPlaneHead: 重新思考全头图像合成中的三视图类表示
计算机视觉与模式识别
2026-02-10 v2
摘要
三视图类表示在3D感知生成式对抗网络(GAN)中广泛用于头部图像合成和其他3D对象/场景建模任务,因其高效性。然而,通过笛卡尔坐标投影查询特征常导致特征互缠,从而产生镜像伪影。SphereHead等近期工作通过基于球面坐标系引入球面三视图来解决此问题。虽然成功缓解了特征互缠,但SphereHead因方形特征图与球面平面之间的映射不均匀,导致渲染时特征图利用率低且难以生成细腻图像细节。此外,三视图和球面三视图都存在一个微妙且持久的问题:通过卷积通道的特征穿透可导致平面之间产生干扰,尤其当一个平面主导其他平面时。这些挑战共同阻碍了三视图方法发挥其潜力。本文系统性地分析了这些问题,并提出创新解决方案。具体而言,我们引入一种新型混合平面(hy-plane简称)表示,融合平面和球面平面的优势且规避其各自缺点。我们进一步通过取代常规theta-phi扭曲引入新颖的近等面积扭曲策略,最大化方形特征图的有效利用。此外,我们的生成器合成单通道统一特征图而非分离通道的多个特征图,从而有效消除特征穿透。通过一系列技术改进,我们的hy-plane表示使HyPlaneHead在全头图像合成中实现了最先进的性能。
关键词
引用
@article{arxiv.2509.16748,
title = {HyPlaneHead: Rethinking Tri-plane-like Representations in Full-Head Image Synthesis},
author = {Heyuan Li and Kenkun Liu and Lingteng Qiu and Qi Zuo and Keru Zheng and Zilong Dong and Xiaoguang Han},
journal= {arXiv preprint arXiv:2509.16748},
year = {2026}
}
备注
Accepted by NeurIPS 2025. Project page: https://lhyfst.github.io/hyplanehead/