PS-StyleGAN：使用基于注意力的风格自适应进行示意性肖像素描
计算机视觉与模式识别
2024-09-04 v1
摘要
肖像素描涉及用抽象的线条和阴影捕捉真实人脸的身份特定属性。与照片级真实感图像不同，一个好的肖像素描生成方法需要对细节有选择性的关注，这使得该问题具有挑战性。本文介绍了肖像素描 StyleGAN（PS-StyleGAN），这是一种专为肖像素描合成而定制化的风格迁移方法。我们利用 StyleGAN 的语义 W+ 潜在空间来生成肖像素描，使我们能够进行有意义的编辑，如姿势和表情改变，而不损害身份特征。为实现这一点，我们提出在我们的架构中使用注意力仿射变换模块，以及一种允许我们在不进行微调的情况下改变 StyleGAN 输出的训练策略。这些模块通过关注内容和风格潜在特征来学习修改风格潜在代码，使我们能够以反演一致的方式调整 StyleGAN 的输出。我们的方法仅使用少量成对示例（约 100 个）来建模一种风格，并且训练时间短。我们在各种数据集上定性和定量地证明了 PS-StyleGAN 相对于当前最先进方法的优越性。
引用
@article{arxiv.2409.00345,
title = {PS-StyleGAN: Illustrative Portrait Sketching using Attention-Based Style Adaptation},
author = {Kushal Kumar Jain and Ankith Varun J and Anoop Namboodiri},
journal= {arXiv preprint arXiv:2409.00345},
year = {2024}
}