论文标题：Pastiche Master: Exemplar-Based High-Resolution Portrait Style Transfer

项目链接：https://www.mmlab-ntu.com/project/dualstylegan/

作者单位：商汤科技-南洋理工大学联合实验室

基于样例的人脸风格化旨在渲染人脸照片使其风格与指定的艺术人像样例的画风一致，在日常生产生活中具有诸如头像设计、动漫海报广告制作等广泛的应用。目前行业主流的技术采用图像转换的方法，训练网络学习真实人脸和艺术人像之间的映射关系，这类方法依赖大量的训练数据且只适用于小尺寸图像，难以满足实际需求。近年研究者们提出了另一套基于迁移学习的技术[1]，使用StyleGAN在小规模艺术人像数据集上微调达到高清人脸风格化，然而该技术只能学习数据集的一个总体风格，无法精确模拟数据集中指定的艺术人像样例的风格。如何在小规模数据上实现基于样例的高清人脸风格化技术是一个难题。

针对以上提出的问题，我们提出了一个基于双路风格的人像风格化算法，包含两个部分。第一部分搭建DualStyleGAN网络。第二部分训练DualStyleGAN网络，采用渐进的微调策略，依次通过初始化、人脸数据内部的风格迁移和人脸与风格数据之间的风格迁移三个步骤，学习小规模风格数据集的风格特征，实现自然准确的人脸风格化。

图 2 DualStyleGAN网络结构示意图

内容中包含的图片若涉及版权问题，请及时与我们联系删除