MMAug, 2017

基于生成对抗网络的自动动漫角色创作

PDF
TL;DR本文通过使用 DRAGAN，并给出实态案例进行定量分析结合数据和模型方面，成功专门针对一个 Anime 风格的面部图像数据集训练出一套稳定且高质量的 GAN 模型，同时，为了帮助动漫形象设计，作者还建立了一个可供公众访问的在线预训练模型的网站。
gananimefacial imagedraganwebsite
发现论文，激发创造
  • 利用生成对抗网络增强角色设计师的创造力

    本文使用生成对抗网络的生成结果作为认知组件，以增强角色设计师在为不同的多媒体项目概念化新角色时的创造力。同时，本文通过在新的可视化角色数据集上使用单个图形处理器从头开始训练不同的 GAN 架构（包括转移学习和数据增强技术），并使用混合方法评估了生成视觉品质对角色设计师机构概念化新角色的认知价值。研究表明，本方法对该上下文的实施非常有效，将作为一个由人与机器共同设计的工作流程进一步评估。

    May, 2023

  • AniGAN: 面向风格引导的生成对抗网络 (Unsupervised) 在动漫头像生成中的应用

    该研究提出了一个基于 GAN 的新框架，可以将肖像照片转换为动漫外观的高质量图像，同时保留源图像的整体结构，该框架采用了双分支鉴别器来学习具体领域分布和领域共享分布，有助于生成具有视觉吸引力的动漫图像。

    Feb, 2021

  • 使用渐进式结构条件生成对抗网络进行全身高分辨率动漫生成

    提出了一种新的 Progressive Structure-conditional Generative Adversarial Networks (PSGAN) 框架，可以根据结构信息生成全身和高分辨率的角色图像，并通过比较现有方法及生成高分辨率图像和结构条件的分辨率，以实际结果证明该方法的有效性。

    Sep, 2018

  • 基于生成对抗网络的人脸转换

    提出了一种基于生成对抗网络的端到端人脸转移方法，使用 CycleGAN 生成目标角色的面部图像并探究了 PatchGAN 以及不同感受野大小对生成图像的影响。

    Oct, 2017

  • 基于条件生成对抗网络的人脸老化

    本文提出了一种基于生成对抗网络 (GAN) 的自动面部老化方法，强调在改变面部属性的同时，保留原始人物身份。通过新颖的 GAN 潜在向量的 “身份保持” 优化方法，通过现有的面部识别和年龄估计解决方案，对所得到的老化和回复面部图像进行客观评价，证明了所提方法的高潜力。

    Feb, 2017

  • GAN 生成的面孔检测：综述和新视角

    通过分析当前 GAN 人脸检测的研究方向和方法，本文对深度学习、物理学、生理学以及与人类视觉性能的评估和比较等方法进行了分类，总结出不同类别的关键思路并与其具体实现相联系，讨论了存在的问题并提出了未来研究方向。

    Feb, 2022

  • 基于生成式对抗网络的专辑封面艺术图片生成

    本文研究机器学习中生成对抗网络（GANs），特别关注艺术方面的应用，以最先进的 StyleGAN2 为例，尝试生成专辑封面并通过艺术风格进行个性化定制。

    Dec, 2022

  • 生成逼真的训练数据以提高人脸识别准确性

    本文研究使用合成数据来增强面部数据集的可行性。我们提出了一种新颖的生成对抗网络（GAN），可以将相关身份属性与非相关身份属性区分开来。我们的 GAN 能够生成数据增强的合成图像，并且该模型可以提高面部识别模型的准确率。

    Oct, 2018

  • 生成对抗网络用于匿名痤疮脸数据集的生成

    本文提出了一种使用基于 StyleGAN 的层次结构算法生成现实匿名合成人脸数据集的有效方法，用于测试人脸分类系统的性能，表明使用生成的合成粉刺脸图像训练 CNN 分类器可以取得 97.6% 的准确率。

    Nov, 2022

  • 通过 PokerFace-GAN 实现中性面部游戏角色自动生成

    本文提出了一种基于 PokerFace-GAN 的游戏角色自动创建方法，通过建立一个不同 iable 的角色渲染器来更加灵活地进行多视角渲染，并利用对抗性训练有效地将表情参数与身份参数相分离，从而生成玩家所喜爱的中立面（表情无表达的）角色。经过实验证明，本文的方法可以生成非常类似于输入照片的生动中立面游戏角色。

    Aug, 2020