△两图中左半边为最终输出效果，右半边为渲染输出

而没有使用双重鉴别的方法，在嘴角这种细节上就会出现一些扭曲。

△左图未使用双重鉴别；右图为EG3D方法效果

数据上，与此前方法对比，EG3D方法在256分辨率、512分辨率下的距离得分（FID）、识别一致性（ID）、深度准确性和姿态准确性上，表现都更好。

此项研究由英伟达和斯坦福大学共同完成。

共同一作共有4位，分别是：Eric R. Chan、Connor Z. Lin、Matthew A. Chan、Koki Nagano。

其中，Eric R. Chan是斯坦福大学的一位博士研究生，此前曾参与过一些2D图像变3D的方法，比如pi-GAN。

Connor Z. Lin是斯坦福大学的一位正在读博二的研究生，本科和硕士均就读于卡内基梅隆大学，研究方向为计算机图形学、深度学习等。