EG3D: Efficient Geometry-aware 3D Generative Adversarial Networks [2022 CVPR]

长期以来，仅使用单视角二维照片集无监督生成高质量多视角一致图像和三维形状一直是一项挑战。现有的三维 GAN 要么计算密集，要么做出的近似值与三维不一致；前者限制了生成图像的质量和分辨率，后者则对多视角一致性和形状质量产生不利影响。

在这项工作中，我们在不过度依赖这些近似值的情况下，提高了三维 GAN 的计算效率和图像质量。为此，我们引入了一种富有表现力的显式-隐式混合网络架构，结合其他设计选择，不仅能实时合成高分辨率的多视角一致性图像，还能生成高质量的三维几何图形。通过解耦特征生成和神经渲染，我们的框架能够利用最先进的二维 CNN 生成器（如 StyleGAN2），并继承其效率和表现力。我们通过 FFHQ 和 AFHQ Cats 等实验展示了最先进的 3D 感知合成技术。