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

本文提出了一种新的人像图像编辑方法，采用不对称条件 GAN 架构，支持几何、颜色、光和阴影的细粒度编辑。通过向生成器提供可以直接由用户编辑的条件输入来实现编辑，例如边缘图、颜色板、滑块和蒙版。该方法具有较好的编辑效果，并且支持几何、颜色、阴影、光的多种编辑方式，同时也支持从手绘草图到图像的转换和颜色转换等任务。

Apr, 2022

本篇论文通过探究 StyleGAN 的空间特性，提出使用预训练的 StyleGAN 加一些操作就可以进行图像处理和编辑任务，并且在各项任务上表现可以与现有最先进技术媲美的方法。

Nov, 2021

本文提出了一种通过使用面部覆盖蒙版的条件生成式对抗网络生成更具多样性、质量、可控性的逼真面部，该方法可用于本地面部编辑、面部合成和交换，同时提供了数据增强的选项以加强面部分析的性能。

May, 2019

本文提出了一个新的照片逼真人像生成框架，可以有效减轻「奇异山谷」效应，提高渲染人像的真实性。使用转移学习从渲染人像的潜在空间学习到真实人像的潜在空间的一致映射，使虚拟角色的人像在外观风格改变的同时保持面部身份的不变，通过细化 StyleGAN2 生成器以保留与面部身份相关的几何和色彩特征。通过定性和定量评估以及消融实验，证明了我们的方法相较于现有方法的优势。

Oct, 2023

通过预训练的 StyleGAN 模型以及基于部分损失的两阶段学习技术，提出了 StyleSketch 方法，通过 16 对面部图像和相应的素描图像，训练了一个能够提取高分辨率风格化素描的生成器，并通过比较表明 StyleSketch 在提取高分辨率抽象人脸素描方面优于现有的最先进的素描提取方法和少量样本图像适应方法，同时还探索了其在其他领域的可用性和语义编辑的可能性。

Mar, 2024

本文提出一种基于深度学习的面部照片交互修饰框架，旨在提高用户界别优先级，包括自动分支和交互分支，后者通过将用户指定区域编码进优先级条件向量和调制地潜在特征来进一步强调用户指定区域，实验证明该方法能够有效地捕捉用户意图且比现有方法更具区域感知性和灵活性。

Apr, 2023

本文提出了一种利用单个人的视频作为输入，通过个性化的视频先验学习技术和 Pivotal Tuning Inversion 方法，处理极端的头部姿势，生成可编辑的动态人像，并针对潜在空间进行姿势和表情分离的算法。

Jun, 2023

本文介绍一种名为 DualStyleGAN 的新型神经网络，可用于基于范例的高分辨率肖像风格迁移，实现原始面部领域和艺术肖像领域的双重风格控制，并通过一种新型的渐进微调机制使其能够精确拼贴风格示例。实验证明其在高质量肖像风格转换和灵活的样式控制方面优于现有方法。

Mar, 2022

本文提出了一种基于 GAN 的图像去噪、增强方法，引入了 3 个阶段渐进式潜空间扩展和保守优化器，使该方法对于多种不同水平的退化具有鲁棒性，效果比其他基于 StyleGAN 和扩散方法的方法更好。

Feb, 2023