Cet article présente un nouveau cadre pour le stylisme de tête 3D qui répond aux défis des méthodes existantes, qui reposent principalement sur des photos frontales et préservent l'individualité. Nous synthétisons des images à 360 degrés à l'aide du modèle PanoHead et intégrons la distillation par vraisemblance logarithmique négative (LD), les scores de grille multi-vues, les gradients miroirs et les techniques de pondération des scores dans une architecture de réseau antagoniste génératif (GAN) 3D afin d'améliorer la préservation de l'individualité et la qualité du stylisme. Cela permet de mieux comprendre le processus de distillation efficace entre les modèles de diffusion et les GAN, en mettant l'accent sur la préservation de l'individualité.
