可泛化的人像风格迁移
计算机视觉与模式识别
2025-07-09 v2 人工智能
摘要
本文提出了一种能够在各种不同领域内实现高质量语义对齐风格迁移的人像风格迁移方法。为此，我们提出在给定输入和参考人像之间建立稠密语义对应关系，基于预训练模型和语义适配器，该方法可获得与输入语义对齐的扭曲参考。为确保有效且可控的风格迁移，我们设计了AdaIN-Wavelet变换，通过在潜空间中将扭曲参考的低频信息与输入的高频信息混合来平衡内容保留与风格化。还设计了一个风格适配器，用于从扭曲参考中提供风格指导。借助AdaIN-Wavelet变换获得的风格化潜表示， 我们采用包含记录高频信息和风格指导的双条件扩散模型来生成最终结果。大量实验表明，我们方法的优越性。我们的代码和训练好的模型可在 https://github.com/wangxb29/DGPST 查找。
引用
@article{arxiv.2507.04243,
title = {Domain Generalizable Portrait Style Transfer},
author = {Xinbo Wang and Wenju Xu and Qing Zhang and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2507.04243},
year = {2025}
}
备注
Accepted to ICCV2025