Feb, 2021

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

PDF
TL;DR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。
发现论文，激发创造
  • 基于生成对抗网络的自动动漫角色创作

    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。

    Aug, 2017

  • 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

  • AniFaceGAN: 为视频头像生成可动画 3D 感知人脸图像

    本研究提出一种可动画的 3D 感知生成对抗网络用于多视角一致的人脸动画生成，通过将 3D 感知生成对抗网络的 3D 表示分解为模板场和形变场，并提出 3D 级模仿学习方案，帮助我们实现高质量的动画面部图像生成并具有较强的可视化 3D 一致性。

    Oct, 2022

  • Fine-Tuning StyleGAN2 用于卡通人脸生成

    本文提出了一种基于 StyleGAN2 预训练模型的图像翻译方法，可在不平衡数据上进行无监督学习，通过简单的微调技术即可学习有限数据，并且可以生成符合源图像结构的逼真目标图像。

    Jun, 2021

  • 基于风格的生成对抗网络生成器架构

    本文提出了一种基于风格迁移文献的替代生成对抗网络的生成器体系结构，能够自动学习高级属性和生成图像中的随机变化，改善传统的分布质量量度标准，提高内插质量和交互性能，同时也更好地分离出潜在的多变因素。

    Dec, 2018

  • GANs N' Roses：稳定、可控、多样的图像到图像转换（也适用于视频！）

    本文提出了一种使用内容编码和随机选取风格编码生成动漫图像的方法，并从其简单而有效的内容和风格定义中导出了对抗性损失，可以生成非常丰富的动漫风格；通过丰富的定量和定性实验支持本方法的正确性；并可在不训练视频的情况下进行视频转换，从而为内容和风格的形式化提供了一个解决方案。

    Jun, 2021

  • 增强型残差 U-net 和辅助分类器 GAN 用于动漫线稿的风格迁移

    本文介绍了一种利用 Residual U-net 和 AC-GAN 将绘画风格应用于黑白漫画草图的自动快速实现方法。实验结果显示，该方法不仅在艺术风格的质量上表现出色，而且在上色方面也能取得非常好的效果。

    Jun, 2017

  • AniPortraitGAN：从 2D 图像集合生成可动态调整的 3D 肖像

    基于非结构化的 2D 图像集合，我们提出了一种可调节面部表情、头部姿势和肩膀运动的三维感知生成对抗网络，该网络能够生成多样且高质量的三维头像。

    Sep, 2023

  • 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

  • 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