基于 PokerFace-GAN 的中性脸游戏角色自动生成

游戏角色自定义是近年来许多角色扮演游戏 (RPG) 的核心功能之一, 玩家可根据自己的偏好编辑游戏中角色的外观。本文研究利用单张照片自动生成游戏内角色的问题。在近期相关文献中, 引入了神经网络使游戏引擎可微, 并采用自监督学习预测面部自定义参数。然而, 在以往方法中, 表情参数与面部身份参数高度耦合, 难以对角色的内在面部特征进行建模。此外, 以往方法所使用的基于神经网络的渲染器也难以扩展到多视角渲染情形。本文针对上述问题, 提出一种名为 “PokerFace-GAN” 的新方法用于中性脸游戏角色自动生成。我们首先构建了一个在多变渲染情形下比以往方法更灵活的可微角色渲染器。随后利用对抗训练有效解耦表情参数与身份参数, 从而生成玩家偏好的中性脸 (无表情) 角色。由于本方法各组件均可微, 可易于在多任务自监督学习范式下训练。实验结果表明, 本方法能生成与输入照片高度相似、生动的中性脸游戏角色。对比结果与消融研究验证了本方法的有效性。