Haga clic en la tarjeta a continuación para seguir la cuenta pública " CVer "
Productos secos pesados AI/CV, entregados lo antes posible
Reimpreso de: reconstrucción de la cara y el cuerpo humano
Cómics, dibujos animados, caricaturas, animación japonesa, animación de Pixar, no importa el estilo que tengas, ¡puedes reproducirlo fácilmente!
El autor de este artículo es de la Universidad Tecnológica de Nanyang. El autor propone DualStyleGAN para realizar una transferencia de estilo de retrato de alta resolución (1024x1024) basada en muestras de referencia. DualStyleGAN puede controlar de manera flexible los dos estilos del dominio facial original y el dominio del retrato artístico, que es diferente de StyleGAN. Caracterice el contenido y el estilo de los retratos utilizando la ruta de estilo intrínseco y la ruta de estilo extrínseco recientemente introducida para proporcionar una transferencia de estilo más natural. La ruta de estilo extrínseco bien diseñada del autor permite a DualStyleGAN modelar jerárquicamente colores y estilos estructurales complejos, replicando así con precisión el estilo de los ejemplos de referencia. Además, DualStyleGAN es muy eficiente en el entrenamiento de datos, con solo unas 200 imágenes , se puede entrenar con buenos resultados,
Página de inicio: https://www.mmlab-ntu.com/project/dualstylegan
Código: https://github.com/williamyang1991/DualStyleGAN
Haga clic en "Leer el texto original" a continuación para ir directamente al código de GitHub.
▲Migración de estilo de dibujos animados▲
▲Migración de estilo de caricatura▲
▲Migración del estilo de animación japonés▲
¡La imagen a continuación muestra más resultados de transferencia de estilo de imagen de cara!
▲Estilo de dibujos animados▲
▲Estilo caricatura▲
▲Estilo de animación japonés▲
▲Estilo de animación Pixar▲
▲Estilo manga▲
▲Estilo Slam Dunk▲
Las imágenes a continuación muestran los resultados de DualStyleGAN en comparación con los métodos de vanguardia actuales. Los objetos comparados por el autor incluyen 6 métodos, incluidos StarGAN2 basado en traducción de imagen a imagen , GNR , U-GAT-IT y estilo UI2I basado en StyleGAN , Toonify , Adaptación de pocos disparos ( FS-Ada ), Los resultados muestran que DualStyleGAN puede transferir bien el color y la información de resultados de la imagen de referencia.
1. Pastiche Master: transferencia de estilo de retrato de alta resolución basada en ejemplos. Shuai Yang, Liming Jiang, Ziwei Liu, Chen Change Loy. CVPR, 2022.
ICCV和CVPR 2021论文和代码下载
后台回复：CVPR2021，即可下载CVPR 2021论文和代码开源的论文合集
后台回复：ICCV2021，即可下载ICCV 2021论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
CVer-GAN交流群成立
扫描下方二维码，或者添加微信：CVer6666，即可添加CVer小助手微信，便可申请加入CVer-Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如GAN+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信: CVer6666，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看