解耦动漫插画中的风格与内容
计算机视觉与模式识别
2019-12-23 v3
摘要
现有的AI生成艺术作品方法仍难以生成保留高层语义的高质量风格化内容，或难以从各类画师中分离细粒度风格。我们提出了一种新颖的生成对抗解耦网络，该网络能在仅其中一类变化被标注的普遍情况下解耦两个互补的变化因子，并特别地可将复杂动漫插画完全分解为风格与内容。训练此类模型具有挑战性，因为给定一种风格，可能存在多种内容数据，但反之则不然。我们的方法分为两个阶段，一个将输入图像编码为风格无关的内容，另一个基于双条件生成器。我们展示了使用单一端到端网络并以超过一千名画师的固定内容和大量风格生成高保真动漫肖像的能力，反之亦然，并可应用于风格迁移。我们展示了这一独特能力以及优于当前最先进水平（SOTA）的输出。
引用
@article{arxiv.1905.10742,
title = {Disentangling Style and Content in Anime Illustrations},
author = {Sitao Xiang and Hao Li},
journal= {arXiv preprint arXiv:1905.10742},
year = {2019}
}