Styleclone：基于扩散模型的数据增强的人脸风格化
计算机视觉与模式识别
2025-08-26 v1
摘要
我们提出StyleClone方法，用于即使在风格图像数量有限的情况下，对图像到图像转换网络进行人脸风格化训练。该方法利用文本镜像和基于扩散的引导图像生成来增强小型风格数据集。通过系统性地利用原始风格图像和真实人脸图像引导生成多样化的风格样本，我们显著提升了风格数据集的多样性。使用该增强后的数据集训练快速的图像到图像转换网络，可在速度和质量上超越基于扩散的方法。实验在多个风格上表明，该方法改善了风格化质量，更好地保留了源图像内容，显著加速了推理。此外，我们提供了对增强技术及其对风格化性能影响的系统性评估。
引用
@article{arxiv.2508.17045,
title = {Styleclone: Face Stylization with Diffusion Based Data Augmentation},
author = {Neeraj Matiyali and Siddharth Srivastava and Gaurav Sharma},
journal= {arXiv preprint arXiv:2508.17045},
year = {2025}
}