MMAug, 2020

DeepFacePencil：从手绘草图生成人脸图像

PDF
TL;DRDeepFacePencil 是一种有效的工具，可以基于新颖的双生成器图像翻译网络和新颖的空间注意池设计来自动处理手绘草图的空间变形并支持不同的笔画风格和不同级别的细节，从而生成逼真的面部图像。
photo-realistic face imageshand-drawn sketchesdeepfacepencildual generator image translation networkspatial attention pooling
发现论文，激发创造
  • FaceShop：基于深度素描的人脸图像编辑

    本文提出一种新颖的基于素描的面部图像编辑系统，它利用了用户的少量素描笔画，有几何和颜色约束，支持粘贴模式和实时交互，并建立在基于新颖的素描领域和卷积神经网络之上，从而将图像完成和图像翻译两个任务结合在一起，十分成功。

    Apr, 2018

  • 从手绘草图生成高质量医学影像

    通过在 StyleGAN 的潜在空间中学习表示素描并生成医学图像，我们提出了一种实用的自由手绘到图像生成模型（Sketch2MedI）。与其他模型相比，我们的模型在生成咽部图像方面表现出卓越的性能，在各种指标上都具有高质量和逼真的效果。

    Feb, 2024

  • 卷积素描反演

    该论文利用深度神经网络将面部素描图像还原为照片级真实面部图像，采用半模拟数据集和深度学习技术，包括批处理规范化、深层残差学习、感知损失和随机优化。最后，通过艺术和犯罪学示例，展示了该方法的应用潜力。

    Jun, 2016

  • DeepSketch2Face：一种基于深度学习的 3D 人脸和卡通肖像建模草图系统

    本研究提出了一种基于深度学习的素描系统用于 3D 人脸和漫画建模，它具有省力且自由的手绘界面，并支持基于手势的用户交互。

    Jun, 2017

  • 深度分解反素描技术

    本文针对人类无限制手绘素描建模，尝试将图标式手绘转化为更几何实际的物体轮廓，并分离显著的特征细节，以实现更好的对象匹配，最终提出了一种基于无监督图像风格转移模型的深度 FG-SBIR 模型，通过定量和定性评估，证明了其在风格转移和 FG-SBIR 方面优于现有方法。

    Aug, 2018

  • Deep3DSketch+: 从单个手绘草图快速进行三维建模

    AR/VR 发展迅速，对 3D 内容需求巨大。本研究提出一种基于手绘草图的 3D 建模方法，使用单个手绘草图生成高保真内容，无需多个视图或步骤。采用端到端方法，引入轻量级生成网络和结构感知对抗训练，并通过 Stroke Enhancement Module（SEM）捕捉结构信息，提升性能。实验证明该方法在合成和真实数据集上具有最先进的性能。

    Sep, 2023

  • AniFaceDrawing：在你的素描中探索动漫肖像

    本文重点研究了如何使用人工智能技术，特别是 StyleGAN 和潜空间探索方法，为动漫画家辅助提供高质量的肖像画创作。研究表明，使用我们提出的基于 S2I 的框架，动漫画家可以通过不断精确的画出轮廓线，自动得到高质量的头像肖像画。

    Jun, 2023

  • 深度整形：使用人类绘制的素描进行稳健可控的图像编辑

    本文提出了一种基于手绘草图输入的图像编辑框架 Deep Plastic Surgery，并介绍了可以使模型适应不同草图的润色策略、调整草图精度的控制参数、以及用于多级润色的基于样式的模块。实验结果表明，与现有方法相比，该方法能够提高图像编辑的视觉质量和用户可控性。

    Jan, 2020

  • 无监督草图到照片的合成

    本文首次研究了无监督的手绘草图到照片的合成，提出了一种两阶段翻译任务的方法，添加自监督去噪目标和注意力模块以处理抽象和风格差异，生成的图片忠实于草图且逼真的，并可实现基于草图的图像检索和捕捉人类视觉感知。

    Sep, 2019

  • 内容条件下的风格化手绘生成

    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