qq_43491212的博客

提出一种显示和隐式混合的三平面场景表征方法（由stylegan2生成），具有内存消耗低和效率高的特点。为了保证多视角的一致性，还提出了双重判别的鉴别器。

最初的NeRF只将图片作为监督信号，没有充分利用已有的信息，导致每个场景都要重新训练、需要较为密集的采样、训练时间长等问题。以上三篇论文都采用了2DCNN来提取图像的特征，然后建立场景与特征图之间的联系，一定程度上弥补了NeRF的缺陷。

从稀疏相机视图中，高效生成人体神经辐射场。通过利用视图特征使模型具有泛化能力。采用标准姿态来处理动态人体问题。

cvpr22的oral，将动态人体转化为标准姿态，以便采用NeRF进行表征。

生成式NeRF；GIRAFFE；多个GRAF组合而成；可控编辑；多对象场景生成；

生成式NeRF；条件GAN；采用没有相机位姿的图像进行训练；

本文采用MLP来隐式的表征三维场景。输入为粒子的空间位置和视角，输出粒子的透明度和颜色，通过体渲染得到像素值。

Unsupervised（Unpaired） Person Image Generation with Semantic Parsing Transformation

本文提出了一种自监督相关性挖掘网络（Self-supervised Correlation Mining Network，SCMNet），将分解风格编码器（Decomposed Style Encoder，DSE）和相关挖掘模块（Correlation Mining Module，CMM）两个协同模块集成在一起，在特征空间中重新排列源图像...

本文提出了使用未配对的数据进行动漫图像合成的通用解决方案。本文旨在训练一个通用动漫翻译器，它不仅可以同时渲染夸张的动漫面孔和逼真的卡通场景，而且还可以为用户想要的卡通风格提供灵活的控制。本文的核心思想是引入门控循环映射，它利用一种新颖的门控映射单元来生成特定类别的 Style Code，并将其嵌入到循环网络中来控制翻译过程。本文定义了四种类别，照片/卡通人像/场景，这样可以学习更精细的细粒度类翻译，而不是两个域之间的直接映射。此外，本文的方法可以通过辅助数据集和自适应风格损失，很容易地扩展到卡通视频生成上

该工作的目标是分离出人体姿态的基础上，解耦形状信息与纹理信息，从而实现灵活的人体图像编辑。然而将形状信息与纹理信息从耦合的图像中分离出来是非常困难的。为此，作者引入人体语义分割图作为中间结果，将形状信息显示地表示出来。...

Exploring Dual-task Correlation for Pose Guided Person Image Generation论文地址：https://arxiv.org/pdf/2203.02910.pdf代码地址：https://github.com/PangzeCheung/Dual-task-Pose-Transformer-Network姿势引导人物图像生成是将人物图像从源姿势转换为给定目标姿势的任务，作者认为现有的方法大多只针对不适定的源到目标任务，无法捕捉到合理的纹理映

Learning to Memorize Feature Hallucination for One-Shot Image Generation论文地址：https://drive.google.com/file/d/1Gq-167f2ue30463K4XMkHOJThg9Yugk0/view参考：1. 简单解读本文研究的是图像生成领域中的单样本生成 (One-Shot Generation,OSG)(One\text{-}Shot\ Generation,OSG)(One-Shot&nbs