3D感知单视图图像合成

3D感知单视图图像合成

Abstract

1. 与基于体素的表示相比，辐射场不限于 3D 空间的粗略离散化，但允许在重建歧义存在的情况下优雅地降级相机和场景属性。
2. 然而，现有的方法要么产生低图像分辨率，要么在解开相机和场景属性方面不足，例如，对象身份可能会因视点而异。
3. 通过渐进式训练生成器和辨别器，从而加快训练的速度；采用patch的方法进行训练，提高GAN训练的稳定性，同时减少内存的消耗。
4. 通过增加采样光线的方法来提高生成图像的分辨率，保证生成图像的视图一致性。
5. 在开始时缩放相机内在函数以最大化感受野并逐步将其增加到原始值以专注于精细细节。具体通过当前patch/img_size来调节焦距大小，从而实现感受野的改变。

1 Introduction

2 Related Work

A. Neural Radiance Representations

B. 3D-Aware Image Synthesis

C.

3 Methods

A.

B.

C.

4 Experiments and Results

A.

B.

C.

5 Conclutions

References

Idea

1. 生成器也采用增长型架构