本文介绍了 MyStyle，这是一种使用少量照片训练的个性化深度生成先验的方法，其可以重建、增强和编辑特定人物的图像，生成的图像忠实于人物的关键面部特征。通过少量照片我们可以调整预训练的 StyleGAN 面部生成器的权重，形成一个本地的、低维的、个性化的流形空间，该流形空间包含与个人不同的各种肖像图片的潜在编码。此外，我们提出了一种统一的方法，将其应用于各种不适定的图像增强问题，例如修复、超分辨率和语义编辑，并取得了优异的定量和定性水平。

Mar, 2022

本研究提出了一种基于深度学习的图像增强方法，使用单一模型 StarEnhancer 覆盖多种色调样式，可将图像从一种色调样式转换为另一种，具有高时效性和优秀的交互性能。

Jul, 2021

该研究综合了语义分割和多尺度信息注入的方法，成功地在保留关键细节的情况下合成了符合给定病人眼睛语义分割掩码的眼睛图像。

Nov, 2019

本研究通过引入直接前馈机制和混合引导框架，以人物图像为重点，实现了保留主体身份的图像合成，旨在快速高效生成艺术肖像和身份融合图像，并在定性和定量评估中证明了方法在高保真度和效率方面的优越性。

Dec, 2023

提出了一种名为 MaskGAN 的新框架，采用语义化掩模作为中间表示，实现多样化和交互式面部操纵，该框架在两个具有挑战性的任务上进行了综合评估：属性传输和样式复制，在实验证明了优于其他最先进的方法。

Jul, 2019

本研究提出了一种用于减少偏见的文本风格转换模型，它结合了潜在内容编码和明确的关键词替换，可以更好地保存内容并保持良好的风格转移准确性。

Jan, 2022

该研究通过使用文本描述来操纵人类形象的时尚风格编辑，探索了时尚风格编辑的任务，并提出了两个加强指导信号的方向：文本扩充和视觉参考。通过基于人类先验的生成模型和对潜在空间结构的经验发现，在时尚风格编辑领域取得了令人兴奋的新应用。

Apr, 2024

MagiCapture 是一种个性化方法，通过融合主题和风格概念，仅利用几个主题和风格参考图像生成特定风格的高分辨率肖像图像。

Sep, 2023

通过元学习方法，将基于大量样本的前馈网络方法和个性化优化方法结合的 AlteredAvatar 方法，实现基于文本描述的新颖样式快速应用于动态 3D 头像的快速样式化。

May, 2023

本文提出了一种基于众包和主动学习的局部图像优化方法，通过定位需要调整的关键像素附近的参数，将图像变化的优化问题分解成一系列单滑块调整，从而获得视觉效果更好的增强结果。

Jun, 2023