Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Estilización de cabeza 3D con preservación de identidad mediante destilación de partituras multivista

Created by
  • Haebom

Autor

Bahri Batuhan Bilecen, Ahmet Berke Gokmen, Furkan Guzelant, Aysegul Dundar

Describir

Este artículo presenta un nuevo marco para el estilizado de cabezas en 3D que aborda los desafíos de los métodos existentes, que se basan principalmente en fotos frontales, manteniendo al mismo tiempo la individualidad. Sintetizamos imágenes de campo de visión de 360 ​​grados utilizando el modelo PanoHead e integramos técnicas de destilación de log-verosimilitud (LD) negativa, puntuaciones de cuadrícula multivista, gradientes de espejo y ponderación de rango de puntuación en una arquitectura de red generativa antagónica (GAN) en 3D para mejorar la preservación de la individualidad y la calidad del estilizado. Esto proporciona información sobre el proceso de destilación eficaz entre los modelos de difusión y las GAN, con especial atención a la preservación de la individualidad.

Takeaways, Limitations

•
Takeaways:
◦
Amplíe las posibilidades de estilo desde varios ángulos utilizando el campo de visión de 360 ​​grados.
◦
Preservación de la personalidad y mejora de la calidad del estilo mediante destilación de verosimilitud logarítmica negativa (LD).
◦
Arquitectura GAN 3D mejorada utilizando puntuaciones de cuadrícula de múltiples vistas y gradientes de espejo.
◦
Proporciona nuevos conocimientos sobre el proceso de destilación efectivo entre los modelos de difusión y las GAN.
•
Limitations:
◦
Dado que la estructura depende del modelo PanoHead, existe la posibilidad de una degradación del rendimiento al aplicar otros modelos 3D.
◦
Es necesaria una mayor validación del rendimiento de generalización del método propuesto.
◦
Falta de evaluación del desempeño en grandes conjuntos de datos.
👍
Made with Slashpage