Gorgeous: Create Your Desired Character Facial Makeup from Any Ideas

现代化妆转移方法主要集中在将化妆从一个脸部复制到另一个脸部，这在创造用于视觉叙事的多样化和创意性角色化妆方面存在相当的限制。这种方法通常未能满足独特性和上下文相关性的需要，尤其是与角色和故事背景相一致，因为它们严重依赖于参考图像中现有的面部化妆。当尝试寻找完美匹配的面部化妆风格时，这种方法也会带来重大挑战，进一步使受各种故事元素启发的化妆设计变得复杂，例如主题、背景和道具等，这些元素并不一定包含面部。为了解决这些限制，我们引入了一种新颖的基于扩散的化妆应用方法$Gorgeous$，它超越了简单的转移，通过创造独特的主题面部化妆来创新。与传统方法不同，$Gorgeous$ 不需要参考图像中有面部。相反，它从最少三到五个任意类型的图像中获得艺术灵感，并将这些元素直接转化为实用的化妆应用在脸上。我们的综合实验表明，$Gorgeous$ 能够有效地生成受选择的主题参考图像启发的独特角色面部化妆。这种方法为将更广泛的故事元素整合到角色化妆中打开了新的可能性，从而增强了叙事深度和视觉冲击力。

本文试图解决当今化妆技术在创造多样化和创意性角色妆容方面的局限性，以及在没有面部参考图像的情况下如何实现独特和主题化的妆容。

本文提出了一种新的基于扩散的化妆应用方法，名为Gorgeous。与传统方法不同的是，Gorgeous不需要参考图像中存在面部，而是从三到五张任意类型的图像中获取艺术灵感，并将这些元素直接转化为实际的妆容应用。

本文的实验结果表明，Gorgeous能够有效地生成受选定主题参考图像启发的独特角色面部妆容。这种方法为将更广泛的故事元素整合到角色妆容中开辟了新的可能性，从而增强了叙事深度和视觉冲击力。

最近在这个领域中，还有一些相关研究被进行，例如：'Neural Style Transfer for Makeup Recommendation'，'Makeup Transfer via Multi-Adversarial Learning'等。