我们提出了一种高效的图像嵌入算法，通过将图像嵌入StyleGAN的潜在空间，实现了可以应用于现有照片的语义图像编辑操作，从而得出了关于探究StyleGAN潜在空间结构的有价值洞见，并提出一系列实验来测试嵌入哪些图像类别、如何嵌入、哪些潜在空间适合嵌入以及嵌入是否具有语义意义。
Apr, 2019
本文介绍一种基于布局和风格的生成对抗网络 [LostGANs] 的架构，能够从可重构的布局和风格中生成图像，实现了多物体样式生成，并在COCO-Stuff数据集和Visual Genome数据集上实现了最先进的性能。
Aug, 2019
本文介绍了一种使用图像对图像网络训练的方式来将 StyleGAN2 的特定图像处理提炼成图像对图像的处理方式，展示了通过这种方式实现的几种人脸图像处理效果，并显示出生成质量可与 Backpropagation 方法和现有的最先进方法相媲美。
Mar, 2020
该论文提出了一种基于协作学习的框架，包括一个高效的嵌入网络和一个基于优化器的迭代器，以有效地获得高质量的潜在代码，从而实现高效的图像编辑应用。
Jul, 2020
通过对预先训练在多个数据集上的模型进行分析，本文探讨和分析了StyleGAN2的潜在样式空间，发现StyleSpace的通道式样式参数空间显著比前人的其他中间潜变空间更具解开性，提出了一种通过StyleSpace控制实现更好的视觉属性解开性的方法，最终展示了应用StyleSpace控制实现对真实图像的操作，为通过简单而直观的接口实现具有语义意义的、良好解开的图像操作铺平了道路。
Nov, 2020
本研究提出了一种基于StyleGAN的图像嵌入算法，通过引入新的标准化空间来分析重建潜码的多样性和质量，使用基于分析结果的正则化方法来提高嵌入算法的性能，实现了重建质量与编辑质量的更好平衡。
Dec, 2020
本文研究 StyleGAN 的潜在空间，提出了两个设计编码器的原则，以平衡畸变 - 可操作性和畸变 - 知觉的权衡，从而为真实图片的编辑提供了更好的方法。
Feb, 2021
通过训练一个生成器来分别对局部语义部分进行建模，控制不同区域的纹理并且实现更加细粒度的合成和编辑，SemanticStyleGAN作为具有内置解缠结的通用先验模型，可以促进基于GAN的应用程序的发展并实现更多的下游任务。
Dec, 2021
使用强大的神经网络先验和渐进增长策略，成功地在ImageNet上训练了最新的StyleGAN3生成器，创造了新的StyleGAN-XL模型，并在大规模图像合成方面取得最新的技术突破。
Feb, 2022
本文提出了一种基于StyleGAN的自我蒸馏方法，通过生成图像的自我筛选和感知聚类来解决从互联网采集的未加工图像数据集中存在的离群值和多模态分布等挑战，实现高质量图像的生成。