使用条件生成对抗网络从线稿生成卡通图像的自动绘画程序
本文提出了一种基于深度对抗图像合成框架，结合草图轮廓和稀疏颜色笔画生成逼真的汽车、卧室或人脸。我们展示了一个基于草图的图像合成系统，允许用户在草图上涂鸦以指示所需对象的首选颜色。该网络是前向的，可以实时看到用户编辑的效果。与最近关于草图到图像合成的研究进行了比较，表明我们的方法可以生成更逼真、更多样和更可控的输出，并且对于灰度图像的用户引导上色也很有效。
Dec, 2016
本文提出了一种生成式对抗网络的扩展——ARTGAN，用于合成具有抽象特征的艺术品等复杂挑战性图像。通过允许唯一标签信息的反向传播，该方法更快地进行学习并且能够更好地生成高质量的图像。实验显示，ARTGAN 可以创造出逼真的艺术作品，并能够生成全局外观自然、清晰的实际图像。
Feb, 2017
本研究提出了一种利用生成对抗网络通过增加生成的艺术品的新颖性从而实现创造性创作的新系统，研究表明该系统生成的艺术品与当代艺术家创作的艺术品在多个方面得到了人类受试者的高度评价。
Jun, 2017
本研究提出了一种新的生成对抗网络 (GAN) 方法，利用数据增强及信息流构建模块等技术，在摩托车、马和沙发等 50 类别的草图上合成逼真的图像，并在 Inception 分数上取得显著的改进。
Jan, 2018
本文提出了一种基于色彩直方图的方法HistoGAN，用于控制GAN生成的图像的颜色，同时介绍了扩展方法ReHistoGAN，用于对真实图像进行重新着色，该方法为图像生成和重新着色提供更好的颜色控制方式并产生比现有替代策略更具吸引力的结果。
Nov, 2020
在本文中，我们提出了一种新颖的对抗生成网络，可以准确地生成具有各种风格的逼真手绘草图，并通过定性和定量评估展示了我们在视觉质量、内容准确性和风格模仿方面的优势，其中应用于SketchIME。
Jan, 2024
通过改进的 mDCGAN 架构、优化技术和规范化方法来改进稳定性和真实感，有效研究生成的抽象艺术样式，进一步探索随机游走的潜在空间，验证了这种方法的有效性，强调其为数字艺术生成和数字艺术生态系统领域带来的潜力。
Mar, 2024