上海交大招生办解读最新高招StyleGAN3问世如同变幻奇迹完美再现人脸细节皮肤光滑毛发自然不仅不粘
上海交大招生办解读最新高招，StyleGAN3的魅力如同魔法师之手，完美再现人脸细节！皮肤光滑、毛发自然，不仅不粘滞屏幕，还能在三六零度空间中自由旋转，让人仿佛置身其中。其开源之举，如同一扇窗户，将科技的魅力向世界开放。
这项研究出自英伟达最新论文《Alias-Free Generative Adversarial Networks》，论文中表明，它从根本上解决了StyleGAN2图像坐标与特征粘连的问题，实现了真正的图像平移、旋转等不变性，大幅提高了图像合成质量。
我们知道，尽管生成式对抗网络具有层级卷积的性质，但由于过度依赖绝对像素坐标往往会出现图像细节“粘”在坐标上的现象，原因多出自”粗糙“的信号处理过程和神经网络混叠上。在这项研究中，英伟达将网络中的所有信号解释为连续的，并对架构进行轻微调整保证不需要的信息不会泄漏到分层合成过程，最终得到了StyleGAN3。
项目主页：https://nvlabs.github.io/stylegan3/
虽然生成式对抗网络(generative adversarial networks, GAN)已被广泛用于各种应用，包括图像编辑、图像翻译以及视频生成，但总体而言，在合成过程的基础层面仍有极大的改善空间。在现实世界中，图像是由无数个细节组成，这些细节往往是层次变化的。例如，在头部移动时，不仅头发和鼻子会随之改变，而且甚至皮肤上的毛孔也会发生变化。
所形成的问题就是如何创建更自然地转换层次结构，使每个特征都可以精确地获得亚像素位置，从底层粗特征中获得。这项研究就是为了解决这个问题。通过使用高质量重采样滤波器并且采用低通滤波技术，我们可以实现真正意义上的平移等变性，即使在亚像素尺度上也能保持不变。
下文将详述 StyleGAN3 的技术创新，以及它如何克服过去版本中的不足，比如点态非线性的混叠问题，以及如何通过抑制混叠来迫使模型实现更自然的地位分布。此外，该技术还能够产生强旋转等变生成器，一旦适当地抑制了混叠，它们就会发现显著变化：坐标系统等内部表示允许细节准确地附加到底层表面。这将显著改进用于生成视频和动画等领域的一般方法。
