MW-GAN：用于具有多风格几何夸张的漫画生成的多形变 GAN
计算机视觉与模式识别
2021-12-21 v2 图形学
机器学习
图像与视频处理
摘要
给定一张输入人脸照片，漫画生成的目标是生成风格化、夸张的漫画，且与照片具有相同身份。这要求同时进行风格迁移和形状夸张并具备丰富多样性，同时保留输入身份。为解决这一挑战性问题，我们提出一种称为多形变 GAN（MW-GAN）的新框架，包括一个风格网络和一个几何网络，分别用于风格迁移和几何夸张。我们通过双向设计弥合图像的风格与关键点与其对应潜码空间之间的差距，从而生成具有任意风格和几何夸张的漫画，其可通过潜码随机采样或从给定漫画样本指定。此外，我们将身份保留损失应用于图像空间和关键点空间，显著提升了生成漫画的质量。实验表明，MW-GAN 生成的漫画比现有方法具有更好的质量。
引用
@article{arxiv.2001.01870,
title = {MW-GAN: Multi-Warping GAN for Caricature Generation with Multi-Style Geometric Exaggeration},
author = {Haodi Hou and Jing Huo and Jing Wu and Yu-Kun Lai and Yang Gao},
journal= {arXiv preprint arXiv:2001.01870},
year = {2021}
}