- SA Unet 改进
该论文描述了一种新的方法，结合使用 StyleGAN2 和 SA-Unet，用于在医学领域中进行视网膜血管分割的图像处理，旨在帮助医生更好地诊断眼部疾病，并解决小数据集分割问题。
- ChildGAN: 基于风格适应的大规模合成儿童面部数据
使用 StyleGAN2 和转移学习构建的 ChildGAN，通过平滑的领域转换生成高质量的、逼真的合成男孩和女孩面部数据，这些数据的独特性和特征已经通过不同的计算机视觉应用测试得到验证，结果表明高质量的合成儿童面部数据为替代实际儿童大规模 - 视而不见：人类视觉隐私保护的身份隐藏器
本文提出了一种身份隐藏技术，通过在 StyleGAN2 的 latent space 中进行操作生成一个具有新视觉内容的虚拟人脸，然后将其与原始人脸进行可靠的叠加，以达到保护隐私和保留识别性能的目的。
- 基于 StyleGAN 嵌入的人像照片深度学习预测癌症预后
本文提出使用深度学习的方式对患者照片中抓取包含在传统人像照片中患者健康预测信息，并将其应用于癌症患者的生存预测，使用 StyleGAN2 取得了不错的效果，能够基于面部特征获得幸存率预测信息。
- PATMAT: 人脸修复中的人物感知调整掩膜感知 Transformer
本篇论文提出了一种新的人脸修复方法，命名为 PATMAT，该方法结合了 40 张不同参考图像，并通过调整 MAT 网络风格模式中的锚点来实现对新面孔身份的适应性，实现了较好的人脸修复效果。
- GAN 潜空间中的语义编辑的 Wasserstein 损失
本文提出了一种基于 Wasserstein 损失和 StyleGAN2 的生成对抗网络（GANs）的方法，可以实现在潜空间中编辑语义属性以修改生成的图片，避免了定向分类器会遇到的问题，并且取得了与分类器方法相当的性能。
- CVPRRiDDLE：可逆多样化隐私保护与潜在加密
本文使用预先训练的 StyleGAN2 生成器，提出了一种名为 RiDDLE 的加密程序，可以在潜在空间内加密和解密面部身份信息，并具有密码指导的加密等吸引人的特性。该方法通过对比现有方法证实，能够更好地实现去识别任务。
- AAAI通过缺陷感知特征操作实现少样本缺陷图像生成
提出一种用于数据增强的缺陷图像生成方法，包含两个训练阶段，第一个阶段使用无缺陷图像训练数据高效的 StyleGAN2 模型，第二个阶段添加缺陷模块，通过有限的缺陷图像训练以实现生成逼真且多样化的缺陷图像的目标。
- 基于生成式对抗网络的专辑封面艺术图片生成
本文研究机器学习中生成对抗网络（GANs），特别关注艺术方面的应用，以最先进的 StyleGAN2 为例，尝试生成专辑封面并通过艺术风格进行个性化定制。
- ECCVStyleSwap：基于风格的生成器增强了面部交换的鲁棒性
本文提出了一种名为 StyleSwap 的简洁而有效的框架，将基于风格的生成器用于高保真和强大的人脸交换，可通过优化标识相似性来实现生成器的优势，并提出了 Swapping-Driven Mask Branch 和 Swapping-Gui - ICML使用 StyleGAN2 和 MEL 光谱图生成多样化的人声爆发
使用条件 StyleGAN2 模型对经过处理的音频中的 Mel-spectrograms 进行训练，并将生成的 Mel-spectrograms 逆向回音频领域，从而成功改进了 ICML Expressive Vocalizations 竞 - 基于隐式 SDF 的 StyleGAN 3D 形状生成
介绍了一种基于 StyleGAN2 的深度学习方法来生成三维形状，称为 SDF-StyleGAN，使用隐式有符号距离函数（SDF）作为三维形状表示，并引入两种新的全局和局部形状鉴别器，在形状几何和视觉质量方面显著提高了性能。
- CVPR针对 GAN 反演和编辑的空间自适应多层选择
本研究提出了一种新的方法，可以在 GAN 的潜在空间中反演和编辑具有复杂场景布局和物体遮挡的图像，采用分层集合反演的思路，通过预测图像不同部分的可反转性，并将每个部分投影到潜在层中，系统学习将相对容易的区域反演到生成器的较早潜在空间，而将较 - 演化潜空间搜索的驱动人像生成
该文章使用基于潜在空间的演化方法生成综合人像，其中利用了 StyleGAN2 进行人像生成，FaceNet 对人脸相似度进行评估。经过对真实图像和合成图像的实验结果表明，该方法生成的解决方案既准确又多样化，代表着逼真的人类肖像，这一研究成果 - ICLRImageNet 类别在 Fréchet Inception 距离中的作用
通过对 Fréchet Inception Distance 的调查，我们发现它容易受到人为或意外扭曲的影响。在一个意外的案例中，一个经过 ImageNet 预训练的 FastGAN 可以实现与 StyleGAN2 相当的 FID，但它在人 - FairStyle: 使用样式通道操控消除 StyleGAN2 偏见
本文提出了一种直接修改预训练 StyleGAN2 模型的方法，该方法利用 StyleGAN2 模型的样式空间对目标属性进行解缠，从而生成相对公平的图像集合。实验表明，我们的方法可以在几分钟内成功地消除 GAN 模型的偏见，而不会影响所生成的 - CVPRStyleSDF: 高分辨率 3D - 一致性图像和几何体生成
利用 StyleGAN2 图像生成架构和基于 SDF 的三维卷积网络，我们提出一种高分辨率、一致性的三维图像和形状生成技术，称为 StyleSDF，用于从单视角 RGB 数据生成高分辨率图像和细节的三维形状模型。
- 仿生场景生成
利用一个大规模的生成对抗网络，驱动人体姿态和场景之间微妙的关系，使得该网络能够产生出提供逼真姿态信息的虚拟场景。此网络在复杂度和大小方面均超过了 StyleGAN2，并能在各种场景下使用，例如生成带有人体姿态的场景，提升照片质量等。
- StyleGAN 诱导的数据驱动正则化用于反问题
通过使用预训练的 StyleGAN2 生成器构建先验分布，将学习的贝叶斯重建与生成模型相结合，实现了对图像修复和超分辨率重建问题的解决，与现有 GAN 图像重建方法相比表现更好。
- Fine-Tuning StyleGAN2 用于卡通人脸生成
本文提出了一种基于 StyleGAN2 预训练模型的图像翻译方法，可在不平衡数据上进行无监督学习，通过简单的微调技术即可学习有限数据，并且可以生成符合源图像结构的逼真目标图像。