论文介绍
捏脸系统是很多RPG游戏的核心功能之一,玩家可以利用该系统定制自己的角色。本文研究了通过单张图像自动创建游戏角色的问题。此前的研究通过引入神经网络来使得游戏引擎可微并通过自监督学习的方式来预测捏脸参数。然而,表情参数和捏脸参数是高度耦合的,这使得此前的方法很难对面部的固有特征进行建模。此外,基于神经网络的可微渲染方法也难以扩展到多视图渲染的情景。
为了解决上述问题,本文提出了“PokerFace-GAN”来进行无表情角色自动创建。我们首先搭建了可微的角色渲染器,它比此前的方法更具有灵活性。我们进一步结合对抗训练方法来把表情参数从捏脸参数中分离出来。由于该框架中的所有组件都是可微的,我们的方法可以很容易的在多任务自监督学习框架下进行训练。实验结果表明我们可以生成与输入图像高度相似的无表情游戏角色。
论文地址
https://arxiv.org/abs/2008.07154
论文下载
https://arxiv.org/pdf/2008.07154.pdf