研究SofGAN: A Portrait Image Generator

SofGAN能产生效果很好，且能进行编辑的多视角图像。

该模型具有姿态控制能力，并未采用引用文献中的解决方案进行其他特征编辑。（Yujun Shen, Jinjin Gu, Xiaoou Tang, and Bolei Zhou. 2019. Interpreting the latent space of gans for semantic face editing）

从架构上来看,SofGAN的主要组成部分是SIW-StyleGAN。该模型基于二维分割图与纹理编码信息构建其基础,通过调整这些二维分割图与纹理编码参数,用户即可完成多维度风格的编辑。

这个2D分割图可以来自手动绘制，也可以由shape code自动生成。

总而言之，生成一个图片需要texture code和shape code。

shape code（z_g）由...来表示3D形状特征，并被用来生成相应的3D分割图谱。 texture code（z_t）则编码图像中的纹理信息，并在后续的2D SIW-StyleGAN过程中被利用。

具体而言, z_g遵循一个预训练的高斯混合模型, 然后将该采样值