本文提出了一个框架，使用单个训练模型生成多个卡通风格，该方法将照片映射到特征模型，利用提出的 Soft-AdaIN 在特征空间中进行一些转换操作来实现卡通化，并将特征模型渲染回图像空间。经实验证明，该方法比现有方法产生更高质量的卡通风格图像，并实现了准确的语义内容保存。
Nov, 2019
本研究介绍了一个高质量的 100k 对高分辨率卡通图像及其实例标签掩膜的数据集，并提出了一个针对卡通图像中角色的准确、高分辨率的分割掩膜生成模型。该方法支持一系列基于分割的卡通编辑应用，如 3D Ken Burns 视差效果、文本引导的卡通风格编辑，以及从插图和漫画中创建木偶动画。
Dec, 2023
本文提出了一种新的自动绘画模型，用于解决黑白素描自动上色问题，实验结果表明自动绘画模型的性能优于现有的图像合成方法。
May, 2017
本文介绍了 AutoToon，第一个通过深度学习提供高质量脸部变形的方法，这是卡通画的关键部分。与之前的方法不同，AutoToon 利用 SENet 和空间变换模块，直接在艺术家变形场上训练，通过前后损失来增强差异特征并保留面部细节。
Apr, 2020
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
通过 2D 绘画不一致性校正来恢复手绘图像的 3D 结构，并实现插入未曾绘制过的视角进行卡通重建。
May, 2024
本文提出一种高质量的照片转铅笔图像翻译方法，并通过双分支模型实现绘画风格的精细控制、创建用户可控制的不同铅笔风格以及通过图像滤波技术提取干净的笔画和根据手工标记的绘画样式生成训练数据对。实验结果表明，与现有方法相比，该方法在图像质量、多样性和用户评估方面表现优异。
Mar, 2019
引入了一种多模态的着色方法，通过利用预训练的稳定扩散模型，支持高度可控的交互式图像着色，解决了多种限制性问题，包括用户互动、局部着色、非自然色彩渲染、色彩变化不足和色彩溢出。
Feb, 2024
ToonCrafter 是一种创新的方法，通过逾越传统的基于对应的卡通视频插值，为生成插值铺平了道路。
我们提出了一种新颖的方法，用于艺术图像中几何抽象和纹理的交互控制。通过空间分解输入图像的形状和高频细节的参数化表示，实现对颜色和纹理的独立控制。所提出的形状和纹理的解耦使得可以进行多种风格编辑，包括形状、笔触和绘画属性等的全局和局部互动调整。此外，我们还展示了在参数空间中使用参考图像和文本提示进行基于优化的纹理风格迁移，以及用于实时纹理分解的单一和任意风格参数预测网络的训练。
Jul, 2023