ToonAging: 在艺术肖像风格迁移基础上的面部重新老化

面部重新老化是计算机视觉和图形学中的一个重要领域，在照片级真实感领域如电影、广告和直播中有重要应用。最近，将面部重新老化应用于非照片级真实感图像（如漫画、插图和动画）的需求作为各种娱乐领域的扩展而出现。然而，缺乏能够无缝编辑非照片级真实感图像中表观年龄的网络，使得这些任务局限于简单的顺序方法，常常导致不愉快的伪影和由于域差异导致的面部属性丢失。本文提出了一种新颖的一阶段方法，将面部重新老化与肖像风格迁移结合，在单个生成步骤中执行。我们利用现有的面部重新老化网络和风格迁移网络，两者都在相同的照片级真实感域内训练。我们的方法独特地融合了不同的潜在向量，每个向量负责管理年龄相关属性和非照片级真实感外观。通过采用基于示例的方法，我们的方法比域级微调方法（通常需要为每个域单独训练或微调）提供了更大的灵活性。这有效解决了重新老化需要配对数据集和风格化需要域级数据驱动方法的局限性。实验表明，我们的模型可以轻松生成重新老化的图像，同时迁移示例的风格，保持自然外观和可控性。