FaceLit: Rostros neurales 3D iluminables.

Se propone un marco generativo, FaceLit, capaz de generar una cara 3D que se puede renderizar en diversas condiciones de iluminación y vistas definidas por el usuario, aprendida únicamente a partir de imágenes 2D sin anotaciones manuales. El modelo aprende a generar propiedades de forma y material de una cara que, al renderizarlas según las estadísticas naturales de pose e iluminación, produce imágenes de cara fotorrealistas con consistencia 3D y de iluminación multivista. Se demuestra que el método habilita la generación fotorrealista de caras con controles explícitos de iluminación y vista en múltiples conjuntos de datos. El modelo obtiene una puntuación FID de 3.5, lo que representa un alto nivel de fotorealismo en comparación con otros GANs conscientes de 3D en el conjunto de datos FFHQ.

Mira el artículo original en inglés aquí o también traducido al español aquí