AniFaceDrawing:在你的素描中探索动漫肖像
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。
Feb, 2021
DeepFacePencil 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。
Aug, 2020
本研究提出了一种新的生成对抗网络 (GAN) 方法,利用数据增强及信息流构建模块等技术,在摩托车、马和沙发等 50 类别的草图上合成逼真的图像,并在 Inception 分数上取得显著的改进。
Jan, 2018
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
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
文章提出了一种通过 decoder 使用 StyleGAN 训练生成更加真实的照片,并且通过 autoregressive sketch mapper 和 fine-grained discriminative loss 处理手绘人类草图,实现草图到照片的转化;实验结果展示了其可行性和有效性,同时通过草图检索出生成的照片实现了在草图界的突破。
Mar, 2023
该论文提出了一种创新的方法,可以实现面部卡通化,同时保留原始身份并适应各种姿势。与以前依赖条件生成对抗网络 (conditional-GANs) 的方法不同,我们的方法利用了 StyleGAN 的表达潜在空间。我们通过引入一个编码器来从图像中捕捉姿势和身份信息,并生成对应的 StyleGAN 潜在空间中的嵌入。然后,通过一个预训练的生成器将这个嵌入传递,从而得到所需的卡通化输出。与许多其他基于 StyleGAN 的方法需要一个专门调整的、经过精细调整的 StyleGAN 模型不同,我们的方法通过利用已经训练好的 StyleGAN 来产生逼真的面部图像。我们通过广泛的实验表明,当目标是卡通化时,我们的编码器能够适应 StyleGAN 的输出并更好地保留身份信息。
Sep, 2023
该论文提出了一个基于 GAN 框架的新方法,用于从简笔画和风格参考图像中合成带有颜色和纹理的详细艺术风格图像;该方法采用了双重遮罩机制、特征映射转换技术以及反实例标准化过程等模块,以增强风格一致性和内容约束,并取得了显著的合成性能提升。
Feb, 2020
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
本文提出了一种基于新开发的三维生成对抗网络(GANs)的画像图像动画的技术,该技术允许对图像主体的姿态进行明确控制,并展示了该方法在图像质量,身份保护和姿态转移等方面胜过先前的方法,同时支持属性修改。
Mar, 2022