我们已经见证了在3D感知图像合成领域的快速进展，这得益于生成视觉模型和神经渲染技术的最新突破。然而，现有的方法在两个方面存在不足：首先，它们可能缺乏底层的3D表示，或者依赖于视角不一致的渲染技术，因此生成的图像无法实现多视角一致性；其次，这些方法通常依赖于表达能力不足的网络架构，导致其生成结果在图像质量上有所欠缺。为此，我们提出了一种名为周期性隐式生成对抗网络（$\pi$π-GAN 或 pi-GAN）的新生成模型，用于高质量的3D感知图像合成。$\pi$π-GAN 利用具有周期激活函数的神经表示和体素渲染技术，以细粒度的方式表示场景，并确保视角一致性。该方法在多个真实和合成数据集上取得了3D感知图像合成领域的最先进成果。