Efficient Geometry-aware 3D Generative Adversarial Networks
我们提出了一种新的方法来生成高质量、程式化的3D化身,该方法利用预先训练的图像-文本扩散模型进行数据生成,以及基于生成对抗网络(GAN)的3D生成网络进行训练。我们的方法利用图像文本扩散模型提供的外观和几何的综合先验,生成各种风格的虚拟形象。在数据生成过程中,我们使用从现有的 3D 模型中提取的姿势来指导多视图图像的生成。为了解决数据中姿势和图像之间的错位问题,我们研究了特定于视图的提示,并开发了用于 GAN 训练的从粗到细的鉴别器。
复制链接