文件名称：VON：[NeurIPS 2018]视觉对象网络：具有纠缠的3D表示的图像生成
文件大小：1.83MB
文件格式：ZIP
更新时间：2024-02-21 15:11:10
pytorch generative-adversarial-network gans pix2pix 3d
视觉对象网络 | 我们提出了视觉对象网络（VON），这是一种对3D形状和2D图像进行联合建模的端到端对抗学习框架。 我们的模型可以一次合成3D形状，中间2.5D深度表示和2D图像。 VON不仅可以生成逼真的图像，还可以进行多种3D操作。 视觉对象网络：具有解散3D表示的图像生成。 ，，，，，，。 MIT CSAIL和Google Research。 在NeurIPS 2018中。 结果示例 （a）由最近的GAN模型产生的典型示例[Gulrajani等，2017]。 （b）我们的模型产生三个输出：一个3D形状，给定视点的2.5D投影以及具有逼真的纹理的最终图像。 （c）我们的模型允许几个3D应用程序，包括独立编辑视点，形状或纹理。 更多样品 下面我们显示了来自DCGAN [Radford等，2016]，LSGAN [Mao等，2017]，WGAN-GP [Gulrajani等，2017]和我们的VON的更多样本。 对于我们的方法，我们同时显示3D形状和2D图像。 学会的3D先验有助于产生更好的样本。 3D对象操纵 我们的VON允许多种3D应用程序，例如（左）独立地更改视点，纹理或形