基于扩展GAN框架的白盒卡通化

在本研究中，我们提出通过对抗过程估计生成模型的新框架，以扩展现有GAN框架并开发白盒可控图像卡通化，其能从真实照片和视频生成高质量的卡通化图像/视频。我们系统的学习目标基于三种不同表示：表面表示、结构表示和纹理表示。表面表示指图像的平滑表面。结构表示涉及稀疏色块并压缩通用内容。纹理表示展示卡通图像中的纹理、曲线和特征。生成对抗网络（GAN）框架将图像分解为不同表示并从中学习以生成卡通图像。这种分解使框架更具可控性和灵活性，允许用户根据所需输出进行更改。该方法在保持图像清晰度、颜色、纹理、形状的同时展现卡通图像特征方面超越了以往任何系统。