通过揭示素描在扩散模型中的潜力，解决了生成人工智能直接素描控制的虚假承诺。我们巧妙地实现了专业素描生成精确图片的民主化过程，证实现有模型变形的空间限制性问题。为了纠正这个问题，我们提出了一种意识到抽象的框架，利用素描适配器，自适应时间步骤采样和经过预训练的精细化素描图像检索模型的辨别引导，协同工作以加强细粒度素描照片关联性。我们的方法在推理过程中无缝运行，无需文本提示；一张简单的草图就像你和我都可以创建的草图一样，就足够了！我们欢迎大家查看论文及其附加资料中展示的结果。贡献包括专业素描生成的民主化控制、引入意识到抽象的框架和利用辨别引导，通过大量实验证实。

Mar, 2024

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

本文介绍了一种通过将二维卡通图片转换为三维卡通模型的算法，其是基于内在变形表示和优化模型构建而成，可以在不需要制作复杂的三维卡通训练集的前提下，通过标准人脸数据集自动捕捉二维卡通图片的风格，并具有比其他直接使用传统参数化人脸模型如三维面部模型和 FaceWareHouse 等拟合方法更好地表现出卡通形象的能力。

Mar, 2018

本文介绍 3DCaricShop 这一大规模 3D 卡通形象数据集和一种基于 implicit mesh 和 parametric mesh 的方法，可以从 2D 卡通图片中进行 3D 卡通重建，能够在预定义的网格拓扑中生成动画准备的高保真 3D 卡通形象。

Mar, 2021

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

本研究提出了一种适用于现实世界的高质量非配对人脸漫画方法，其中利用计算机视觉技术和生成对抗网络模型实现面部特征的夸张和外貌的风格化，通过面部漫画生成和面部漫画投影的两步过程实现。

Nov, 2023

本文建立了一个新的漫画数据集，旨在促进漫画识别的研究。该数据集比现有的两个数据集更具挑战性，在可用图像、艺术风格和个人间变化方面更大。此外，还提出了一个漫画人脸识别框架，用于分析漫画识别的挑战和算法的表现。结论是还有很大的提升空间，并且分析的问题仍需要进一步研究。

Mar, 2017

本文提出了一种基于 3D 方法的自动化人物卡通画脸部特征检测与重建技术，首先通过建立一个由 2D 卡通图像及其相应的 3D 形状样式构成的数据集，建立了基于顶点的形变空间的参数化模型，然后通过神经网络来回归所需的 3D 脸部形状和方向，并通过消融实验和与最先进的方法进行比较，证明了该算法设计的有效性。

Apr, 2020

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

本文提出了第一个基于生成对抗网络的 CariGANs 来进行非成对的照片到漫画的转换，它明确地模拟了几何夸张和外观风格化，并将难以跨领域转换问题分解为两个更容易的任务，最终经过感性研究证明 CariGANs 所生成的漫画与手绘漫画更接近，并更好地保留了身份，同时允许用户通过调整参数或提供样例来控制形状夸张程度和更改颜色 / 纹理风格。

Nov, 2018