[论文阅读]SofGAN: A Portrait Image Generator with Dynamic Styling

SofGAN能产生效果很好，且能进行编辑的多视角图像。

该模型能控制pose，但其它特征编辑是通过别的论文中的方法实现的（Yujun Shen, Jinjin Gu, Xiaoou Tang, and Bolei Zhou. 2019. Interpreting the latent space
of gans for semantic face editing）

SofGAN的核心是其中的SIW-StyleGAN。SIW-StyleGAN以2D分割图和texture code作为输入，改变2D分割图和texture code就能进行多属性编辑。

这个2D分割图可以来自手动绘制，也可以由shape code自动生成。

总而言之，生成一个图片需要texture code和shape code。

shape code（z_g）决定了3D形状，用于生成3D分割图。
texture code（z_t）决定图像纹理，被用于后续的2D SIW-StyleGAN。

具体来说，z_g采样自 learned Gaussian mixture，然后输入SOF Net产生3D的分割图。SOF Net基于Occupancy Net（NeRF的前身，和NeRF类似，也是把坐标映射为特征）和hypernetwork。有了3D分割图，就可以根据ray marching找到所需角度的2D分割图。