#12
summarized by : 綱島 秀樹
Disentangled and Controllable Face Image Generation via 3D Imitative-Contrastive Learning

どんな論文か?

パラメトリックな3Dモデルである3DMMを用いることで、yaw、pitch、表情、光源環境のディスエンタングルメントを可能にしたGANを提案した 3DMMでpriorを与えて、生成した画像とレンダリングした画像で特徴点などが一致するようなImitative Loss、各ディスエンタングルメントされる因子内の変化をさせた生成画像でcontrastive lossを取る
placeholder

新規性

・3D priorを用いることでdisentanglementを促せることを示した点 ・実画像のマニピュレーションが可能な点

結果

・4つの因子で独立に画像の遷移が可能 ・実画像を潜在空間に埋め込む (StyleGANと同様) ことで画像編集を可能としている

その他(なぜ通ったか?等)

陽に3Dモデルで帰納バイアスを与えることでディスエンタングルメントをうまくさせた点。また、StyleGAN architectureを採用することで潜在空間の埋め込みが可能となり、画像編集を可能とする意味あるアーキテクチャ採用も芸術点として非常に高いため。