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

该论文提出了一种生成正面中性面部图像的方法，通过从面部识别网络提取的特征来生成面部标记和纹理。通过不变性编码特征向量，使用只包含正面中性照片来训练解码器网络，解码器独立预测标记和纹理，然后使用可微分图像变形操作将它们组合在一起，最终得到可以用于多种应用的合成图像。

Jan, 2017

本文提出了一种半监督深度学习架构，扩展了面部素描合成以处理现实中的面部照片，该方法使用小的参考照片集中的照片与输入照片进行补丁匹配，并使用相应的素描特征补丁组成伪素描特征表示来监督网络。通过该方法，我们可以使用参考照片集和大型面部照片数据集对网络进行训练，并取得公共基准测试和野外面部照片方面最先进的表现。

Dec, 2018

本研究提出了一种基于卷积网络的方法，实现将人脸照片转化为面部素描，并添加判别性正则化项提高生成的人物素描的可辨识度，该方法在多项基准测试中表现优于其他当前最先进方法。

Jan, 2015

本文提出了一种基于分层结构和纹理分解的生成框架，使用 BFCN 学习结构和纹理表征，并使用 SM-MSE 指标来测量纹理图案。实验表明，相对于基于样例合成的方法，本方法在视觉和客观指标上都表现更好，并且具有更好的跨数据集的泛化能力。

Oct, 2017

使用人脸先验信息的新方法，通过对源面部解析并对其几何形状进行正则化，可以在可接受的带宽下生成带有改善的语义一致性和表情保持的面部视频，并实现高度可控的姿态和表情生成。

Apr, 2023

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

本文提出了一种新颖的方法来避免处理具有极端不平衡性、且在测试时会导致表现降低的 FER 数据集，在捕捉到输入轻微语义扰动的同时，考虑了样本点的邻域平滑度，减少了那些不可靠的样本的影响。在 AffectNet 这个最大的 FER 数据库中进行的实验表明，该方法是有效的，并且报告了最新的研究结果，相较于现有的的技术方法提高了 30% 的上限。

Apr, 2020

通过构建一个语义组件级别的记忆模块，本文提出的结构化素描识别网络可以增强识别网络的解释能力，并可以处理带有或不带有语义组件标签的素描识别情况。在 SPG 和 SketchIME 数据集上的实验证明了记忆模块的灵活性和识别网络的解释能力。

Dec, 2023

本文提出了一种语义感知生成器（SAGE），用于综合多视角人像绘画，该方法可通过多视角语义图进一步细化生成结果，并应用于多种艺术风格的生成，实验结果表明，相比现有的三维感知图像综合方法，SAGE 达到了更卓越或高竞争性的性能。

May, 2023