SwiftAvatar：在任意化身引擎上高效自动生成参数化风格化角色

参数化风格化角色的创建涉及仔细选取众多参数，亦称可被化身引擎解释的“化身向量”。然而，现有的无监督化身向量估计方法为用户自动创建化身时，常因真实人脸与风格化化身图像间的域差距而失效。为此，我们提出 SwiftAvatar，一种明显优于既往工作的新颖化身自动创建框架。SwiftAvatar 引入双域生成器，利用共享潜码创建真实人脸与化身图像对。随后通过对引擎使用化身向量渲染出的化身图像执行 GAN 反演，可将潜码与化身向量作为配对建立桥梁。借此，我们能够尽可能多地合成由化身向量及其对应真实人脸组成的高质量配对数据。我们还提出语义增强以改善合成多样性。最终，在合成配对上训练一个轻量级化身向量估计器，以实现高效自动创建。我们的实验证明了 SwiftAvatar 在两种不同化身引擎上的有效性与高效性。SwiftAvatar 的优越性及有利灵活性也在主观与客观评测中得到验证。