- 基于动态多重奖励权重的多样式可控生成的强化学习
通过强化学习方法控制多种风格的生成，使用动态权重方法优于静态权重方法，并在 2 个和 3 个风格控制方面进行了实证探索。
- StyLEx: 用基于词典的人类感知解释风格
本篇研究介绍了 StyLEx，一种使用人工识别的文体词汇作为预测句子文体的附加信息的模型，它不会牺牲原始并且跨域数据集上的句子级文体预测性能，同时可以提供类似于人类感知的文体词汇解释。
- 少年灵魂：文学流派中感官风格的探索
该论文研究感官语言在文学作品中的使用是否属于语言风格的一部分，通过分析诗歌、小说等几种文学体裁中的感官语言并比较，发现个人对于感官语言的使用并不是随机的，感官语言在不同文学体裁中有其代表性和独特性，同时该语言风格在一定程度上是稳定的。
- CVPRWildNet：从野外学习领域通用的语义分割
本文提出了一种新的领域通用语义分割网络 WildNet，该网络通过利用来自野外的各种内容和样式来学习领域通用特征，通过源域的内容和样式的多样性，提高对未知目标域的泛化能力，取得了显著的性能提升。
- 风格、内容与想法的成功
研究发现在学术研究中，文体对影响力的影响很大，研究使用自然语言处理分析了近 30000 篇学术文章，发现文体词汇可以解释语言对引用的影响率达到 13-27％，而且确认了书写简单性、个人感受和时态视角在其中起到的作用。
- 利用条件传感器官改进图像翻译
该研究提出了一种基于预先训练的模型的条件信息作为 'content' 的定义，并使用易于优化的重构目标对样式提取器和图像解码器进行训练的方法，以实现更高质量的多模态领域翻译。
- CVPRTailorNet：利用人体姿势，形状和服装风格预测 3D 服装模型
TailorNet 是一个用于预测三维服装变形的神经模型，它综合考虑了服装的姿态、形状和风格等因素，同时保留了皱纹细节。该模型采用了分解变形模型的方法，通过低频和高频组合预测服装形变，并且相比之前的模型，TailorNet 可以更快地提供更 - ACL风格不是单一变量：跨风格语言理解的案例研究
本文提供了一个新的语料库（xSLUE）以用于句子级跨风格语言理解和评估，并提出了三种跨风格应用程序：分类、相关性和生成，从而帮助探索跨风格研究的有趣未来方向。
- EMNLP从电影剧情简介和评论中获取多视角故事人物塑造
使用电影简介和评论来描绘背景和风格的多视角模型，对象多标签数据集的实验包括电影简介和各种属性，表明相比于仅使用简介的方法，它可以提高分类准确性，最后，展示如何使用类型推导来提取评论中的故事属性。
- SIGIR歌词风格与偏见解码
本文通过计算方法深入理解歌词，侧重于歌词的风格和偏见，通过分析超过 500,000 首歌曲，研究了歌曲风格和含有的性别和种族偏见，并发现歌词的偏见与社会中存在的偏见有相关性。
- CVPR基于示例的语义标注风格一致图像合成
本论文旨在解决样例引导图像合成问题，使用条件生成对抗网络并提出新的风格一致性鉴别器、自适应语义一致性损失和训练数据采样策略，以合成与样例在风格上一致的结果。
- 家具学习风格匹配
本文利用 Siamese 网络研究家具图像之间的风格兼容性评估。通过使用预训练的 CNNs 的中间层来捕捉风格相关的信息，以及使用图像和文本嵌入法，实现了在样式兼容的条件下，基于文本约束查询匹配的家具项目。同时，我们收集和呈现了大规模不同风 - 生成对抗网络中的风格与内容分离
该研究提出了一种新的无监督算法 ——Style and Content Disentangled GAN（SC-GAN），该算法可以让训练的生成敌对网络（GAN）以一种分离风格和内容的方式学习数据的表征。
- 通过个性化实现引人入胜的图像字幕
本研究定义了一项全新的任务 —— 人格化字幕，旨在提高人类与机器之间的互动性，并基于 215 种可能的人格特征收集并发布了 201,858 个字幕的大型数据集。该研究运用了转换器及 1.7 亿对话样本对句子表示进行建模，通过 Mahajan - 机器人运动风格的成本函数
本文提出采用成本函数捕捉机器人运动的风格表现，并探究手工设计特征和神经网络参数化两种方式实现；通过实验研究发现，两者性能表现相似，均优于基准线，但各自有优劣。
- EMNLP非平行文本风格转换中的解耦表征学习
本文提出了一个利用多任务和敌对目标进行辅助的简单但有效的方法，用于预测 label 和词袋模型，以此解决了语言模型中风格和内容的潜在变量发掘问题。同时有效地实现了风格迁移，并取得了较之前的最先进方法更好的迁移精度、内容保存和语言流畅度。
- IJCAIMIXGAN：跨域学习用于混合生成的概念学习
本文介绍了一项有趣的混合生成尝试：通过从不同的领域吸收不同的图像概念（例如内容和样式），从而生成一个学习概念的新领域。MIXGAN 可从两个领域分别学习内容和样式的概念，因此可以将它们加入新领域进行混合生成，即生成来自一个领域的内容和来自另 - 图像风格识别
本研究探讨了计算机视觉中图像风格对于图像感知的影响，通过使用多层网络训练得出最佳效果的图像特征进行分类，并成功将这些分类器扩展到 tag-based image search 中，以提高搜索的效果。