Diffutoon: High-Resolution Editable Toon Shading via Diffusion Models
East China Normal University(华东师范大学);Alibaba Group(阿里巴巴集团)
针对现有视频风格化方法存在的一致性差、视觉质量不足的问题,本文提出基于扩散模型的Diffutoon卡通着色方法,将问题拆解为四个子任务,可生成高分辨率长时长动漫风格视频并支持提示编辑,效果优于开源及闭源基线,已开源相关代码。
2024-01-29 cs.CV
VISTA: Triplet-Supervised Video Style Transfer with Diffusion Transformers
Show Lab, National University of Singapore(新加坡国立大学Show实验室);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Lovart AI(Lovart人工智能)
本文提出VISTA方法,通过引入大规模三元组数据和基于扩散变换器的框架,解决视频风格迁移中风格、内容和运动的联合建模与解耦问题,实现了高质量的风格迁移效果。
2026-05-17 cs.CV
Interactive Control over Temporal Consistency while Stylizing Video Streams
Hasso Plattner Institute for Digital Engineering, University of Potsdam(波茨坦大学哈索·普拉特纳数字工程研究院);Digital Masterpieces GmbH(Digital Masterpieces有限公司)
提出一种实时视频流风格化方法,在全高清分辨率下通过轻量级光流网络和局部全局一致性特征的自适应组合,实现交互式时间一致性控制,优于现有方法。
2023-06-29 cs.CV cs.GR
Style-A-Video: Agile Diffusion for Arbitrary Text-based Video Style Transfer
UCAS(中国科学院大学);Institute of Automation, CAS(中国科学院自动化研究所)
本文提出Style-A-Video,一种零样本视频风格化方法,利用生成式预训练Transformer和图像潜扩散模型,通过改进引导条件、采样优化和时间一致性模块,实现文本控制的视频风格迁移,在保持内容的同时降低资源消耗。
2023-05-09 cs.CV cs.MM
SOYO: A Tuning-Free Approach for Video Style Morphing via Style-Adaptive Interpolation in Diffusion Models
Zhejiang University(浙江大学);University of Electronic Science and Technology of China(电子科技大学)
SOYO提出一种免调优的扩散模型视频风格渐变框架,通过注意力注入、AdaIN及自适应采样调度器解决多风格过渡中的结构不连续与风格突变问题,实现平滑稳定的视频风格渐变。
2025-03-10 cs.CV
Single Trajectory Distillation for Accelerating Image and Video Style Transfer
Xiaohongshu(小红书);ShanghaiTech University(上海科技大学)
针对扩散风格化多步去噪计算开销大的问题,提出单轨迹蒸馏STD,通过轨迹库存储教师轨迹状态并结合非对称对抗损失,在图像和视频风格化上取得更好的风格相似度与美学效果。
2024-12-25 cs.CV
DiffSynth: Latent In-Iteration Deflickering for Realistic Video Synthesis
School of Data Science and Engineering, East China Normal University(华东师范大学数据科学与工程学院);School of Information, Xiamen University(厦门大学信息学院);Alibaba Group(阿里巴巴集团)
本文提出 DiffSynth,通过潜在迭代内去闪烁框架和 patch blending 算法将图像扩散模型改造为视频合成流程,有效抑制闪烁并提升视频一致性,适用于多种视频合成任务。
2023-08-10 cs.CV cs.MM
TeleStyle: Content-Preserving Style Transfer in Images and Videos
TeleAI
TeleStyle通过课程持续学习框架实现图像和视频内容保持的风格迁移,提升风格相似性和内容一致性,达到最佳性能。
2026-01-28 cs.CV
StyleFusion360: View-Consistent Head Stylization via Adaptive Style Modulation
Bilkent University(比尔肯特大学)
提出StyleFusion360,一种基于扩散的框架,通过自适应风格调制实现单风格参考图像的多视图一致、身份保持的3D人头风格化,无需逐风格训练,并支持强度控制和局部编辑。
2026-06-25 cs.CV
Advancing Facial Stylization through Semantic Preservation Constraint and Pseudo-Paired Supervision
School of Electrical and Electronic Engineering(电子工程学院);University of Shanghai Jiao Tong University(上海交通大学)
提出整合语义保留约束与伪配对监督的面部风格化方法,解决生成器语义偏移问题,实现高保真且灵活的多模态风格迁移。
2025-06-30 cs.CV
Self-Supervised Audio-Visual Soundscape Stylization
University of California, Berkeley(加州大学伯克利分校);FAIR, Meta(Meta FAIR研究院);University of Michigan(密歇根大学)
提出基于自监督的视听声景风格化方法,利用latent diffusion模型和自然视频中的重复声音事件,将目标场景的声音特性迁移至输入语音,并证明视觉信号能提升声音预测能力。
2024-09-22 cs.CV cs.LG cs.MM
LILAC: Long-sequence Incremental Low-latency Arbitrary Motion Stylization via Streaming VAE-Diffusion with Causal Decoding
LILAC通过潜在空间流式架构与因果解码,将离线动作风格化扩展到在线实时场景,实现长序列任意风格化,兼顾质量与响应速度。
2025-10-17 cs.CV cs.LG
OmniConsistency: Learning Style-Agnostic Consistency from Paired Stylization Data
Show Lab, National University of Singapore(新加坡国立大学展示实验室)
针对扩散模型风格化中的一致性保持和风格退化问题,提出基于DiT的通用一致性插件OmniConsistency,通过上下文学习和两阶段策略,达到与GPT-4o相当的性能。
2025-05-24 cs.CV
InStyle: Instant Appearance Stylization of 3D Shapes
University of Amsterdam(阿姆斯特丹大学);Bosch Center for AI(博世人工智能中心)
GaussianBlender通过解耦潜在空间实现文本驱动的3D风格化,提供即时高保真风格化并超越传统方法。
2026-10-07 cs.CV
UniVST: A Unified Framework for Training-free Localized Video Style Transfer
Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University, China(中国教育部多媒体可信感知与高效计算重点实验室,厦门大学,中国);Rakuten Asia Pte. Ltd.;School of Computing, National University of Singapore(新加坡国立大学计算机学院);Institute of Artificial Intelligence, Xiamen University(厦门大学人工智能研究院)
本文针对现有扩散方法无法局部迁移视频风格的问题,提出免训练的UniVST框架,通过点匹配掩码传播、AdaIN引导局部风格化和滑动窗口平滑方案,实现了更优的局部视频风格迁移效果。
2025-11-18 cs.CV
Distribution Aligned Multimodal and Multi-Domain Image Stylization
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学);Microsoft Research Asia(微软亚洲研究院);Kuaishou Technology(快手科技)
多模态和多领域风格化是图像风格传递领域的两个重要问题。目前,很少有方法可以同时执行多模态和多领域风格化。在本文中,我们提出了一个统一的框架,多模态和多领域的风格转移的支持下,基于范例的参考和随机抽样的指导。我们的方法的关键组成部分是一个新的风格分布对齐模块,消除了各种风格域之间的显式分布差距,并降低了模式坍塌的风险。多模态的多样性是由多个图像或随机风格的代码的指导,而多域的可控性是直接通过使用一个域标签来实现。我们验证了我们提出的框架与各种不同的艺术风格和流派的绘画风格转移。定性和定量的比较与国家的最先进的方法表明,我们的方法可以生成高质量的结果,多域风格和多模态的实例与参考风格的指导或随机抽样风格。
2020-06-02 cs.CV
ZePo: Zero-Shot Portrait Stylization with Faster Sampling
SIST, ShanghaiTech University(上海科技大学SIST);Institute of Automation, CAS(中国科学院自动化研究所)
针对现有扩散模型人像风格化方法速度慢的问题,提出无需逆扩散的ZePo框架,借助潜一致性模型特征与风格增强注意力控制,仅四步采样实现高效高保真的零样本人像风格化。
2024-08-10 cs.CV
HiCAST: Highly Customized Arbitrary Style Transfer with Adapter Enhanced Diffusion Models
Harbin Institute of Technology(哈尔滨工业大学);Baidu Research(百度研究院);Baidu Inc.(百度公司);University of Chinese Academy of Sciences(中国科学院大学);ETH Zurich(苏黎世联邦理工学院)
HiCAST基于潜在扩散模型并引入风格适配器,通过多级风格信息对齐实现高度定制化的任意风格迁移,并扩展至视频任务以提升跨帧一致性,性能优于现有方法。
2024-01-11 cs.AI cs.CV
Portrait Diffusion: Training-free Face Stylization with Chain-of-Painting
ShanghaiTech University(上海科技大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
提出免训练框架 Portrait Diffusion,利用扩散模型注意力融合与 Chain-of-Painting 渐进重绘,实现无需微调的细致人脸风格化。
2023-12-03 cs.CV
MagicEdit: High-Fidelity and Temporally Coherent Video Editing
ByteDance Inc.(字节跳动公司)
本研究提出文本引导视频编辑方法MagicEdit,通过训练时显式解耦内容、结构与运动信号的学习,实现高保真且时间连贯的视频编辑,支持风格化、局部编辑等多种下游任务。
2023-08-28 cs.CV
AgileGAN3D: Few-Shot 3D Portrait Stylization by Augmented Transfer Learning
ByteDance Inc(字节跳动公司);National University of Singapore(新加坡国立大学)
虽然在自动化2D肖像风格化方面已经取得了实质性的进展,但从单个用户照片中获得令人钦佩的3D肖像风格化仍然是一个未解决的挑战。这里的一个主要障碍是缺乏高质量的程式化3D训练数据。在本文中,我们提出了一个新的框架\emph{AgileGAN3D},可以产生三维艺术吸引力和个性化的肖像与详细的几何。新的风格化可以用几个(大约20个)未配对的2D样本来获得。我们首先利用现有的2D风格化功能,\emph{style prior creation},以产生大量的增强2D风格样本。这些增强的样本是用精确的相机姿势标签以及成对的真实人脸图像生成的,这对于下游的3D风格化任务至关重要。利用3D感知GAN模型的最新进展,我们在预训练的3D GAN生成器上执行\emph{guided transfer learning},以生成多视图一致的风格化渲染。为了实现三维GAN反演,可以保持主体的身份,我们将\emph{multi-view consistency loss}在我们的编码器的训练。我们的产品线展示了将用户照片转化为各种3D艺术肖像的强大能力。定性结果和定量评价已进行,以显示我们的方法的优越性能。代码和预训练模型将被发布用于复制目的。
2023-03-24 cs.CV
FreeViS: Training-free Video Stylization with Inconsistent References
Johns Hopkins University(约翰霍普金斯大学);Adobe Research(Adobe研究院)
针对视频风格化存在的时间一致性差、训练成本高的问题,提出免训练框架FreeViS,通过整合多参考图到预训练I2V模型、结合高频补偿与光流运动线索,实现了高保真、强时间连贯的风格化效果,性能优于现有基线。
2025-10-02 cs.CV
Coherent Online Video Style Transfer
University of Science and Technology of China(中国科学技术大学);Microsoft Research Asia(微软亚洲研究院)
训练前馈网络的快速神经风格的图像传输被证明是成功的。然而,逐帧处理视频的幼稚扩展容易产生闪烁结果。我们提出了第一个用于在线视频风格传输的端到端网络,该网络近实时地生成时间上连贯的风格化视频序列。两个关键的想法包括一个有效的网络,通过纳入短期的一致性,并传播短期的一致性,以长期,这确保了在更长的时间内的一致性。我们的网络可以包含不同的图像风格化网络。我们表明,所提出的方法明显优于每帧基线定性和定量。此外,它可以实现与基于优化的视频风格传输在视觉上相当的一致性,但在运行时快三个数量级。
2017-03-28 cs.CV
Realtime Data-Efficient Portrait Stylization Based On Geometric Alignment
The University of Tokyo(东京大学);Meituan.co.ltd(美团科技);Hefei Normal University(合肥师范学院)
本文提出基于几何对齐的轻量级肖像风格化方法,通过整合可微TPS模块提升训练效率,实现2倍数据效率和100倍计算复杂度降低,支持移动设备实时推理。
2026-02-15 cs.CV
Context-Aware Text-Based Binary Image Stylization and Synthesis
Peking University(北京大学);Institute of Computer Science and Technology(计算机科学技术研究所)
在这项工作中,我们提出了一个新的框架,基于文本的二进制图像的风格化。首先,我们的方法风格化的基于笔划的几何形状,如文本,符号和图标在目标二进制图像的基础上输入的风格图像。第二,探讨了程式化几何形状和背景图像的构成。为了完成这项任务,我们提出了保持易读性的结构和纹理转移算法,逐步缩小二进制图像和风格图像之间的视觉差异。然后,风格化之后是上下文感知的布局设计算法,其中采用无缝性和美学的线索来确定背景中形状的最佳布局。给定布局,二值图像无缝嵌入到背景下的上下文感知的边界约束下的纹理合成。根据二值图像的内容,我们的方法可以应用到许多领域。我们表明,所提出的方法是能够解决无监督的文本风格化问题,并优于国家的最先进的风格转移方法在自动艺术排版创作。此外,在视觉-文本合成、图标/符号绘制和结构引导的图像修补等多个任务上的大量实验表明了该方法的有效性。
2018-10-09 cs.CV
Scene-Conditional 3D Object Stylization and Composition
University of Oxford(牛津大学)
提出一种场景条件化框架,通过可微光线追踪与扩散模型先验对3D资产纹理和光照进行优化,实现融入2D场景的风格化与逼真组合。
2025-05-01 cs.CV
Styleverse: Towards Identity Stylization across Heterogeneous Domains
National Laboratory of Pattern Recognition, CASIA(中国科学院自动化研究所模式识别国家重点实验室);Center for Excellence in Brain Science and Intelligence Technology, CAS(中国科学院脑科学与智能技术卓越创新中心);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院)
我们提出了一个新的具有挑战性的任务,即跨异构域的身份标识样式化(IDS)。IDS的重点是样式化内容标识,而不是使用引用标识完全交换内容标识。我们使用一个有效的基于异构网络的框架$Styleverse$,该框架使用一个单一的域感知生成器来利用不同异构面孔的Metaverse,基于有限数据的建议数据集FS 13。FS13是指13种不同的面部风格,考虑到不同的照明条件,艺术表现和生活维度。先前的类似任务,\eg,图像风格转换可以基于参考图像来处理纹理风格转换。该任务通常忽略了高结构感知的面部区域和内容的高保真保存。然而,Styleverse打算在并行风格宇宙中可控地创建拓扑感知的面部,其中源面部身份通过AdaIN自适应地进行样式化,该AdaIN由来自异构预训练模型的域感知和参考感知风格嵌入指导。我们首先建立了IDS的定量基准以及定性的Styleverse矩阵。大量的实验表明,与其他最先进的方法相比,Styleverse实现了更高保真的身份风格化。
2022-03-02 cs.CV
ColoristaNet for Photorealistic Video Style Transfer
Fudan University(复旦大学)
真实感风格转换的目的是将图像的艺术风格转换到输入图像或视频上,同时保持真实感。在本文中,我们认为这是在现有的算法中的摘要统计匹配方案,导致不切实际的风格化。为了避免使用流行的革兰氏损失,我们提出了一个自我监督的风格转移框架,其中包括一个风格删除部分和一个风格恢复部分。样式去除网络去除原始图像样式,并且样式恢复网络以监督的方式恢复图像样式。同时,针对现有特征转换方法存在的问题,提出了解耦的实例规范化方法,将特征转换分解为风格白化和重新风格化。它在ColoristaNet中工作得很好,可以在保持照片真实感的同时有效地传输图像风格。为了确保时间一致性,我们还结合了光流方法和ConvLSTM来嵌入上下文信息。实验结果表明,与现有的风格化算法相比,ColoristaNet能够获得更好的风格化效果。
2022-12-21 cs.CV cs.LG eess.IV
Towards 4D Human Video Stylization
University of California, Merced(加州大学默塞德分校);University of Alberta(阿尔伯塔大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Snap Inc.(Snap公司)
本文提出基于双NeRF与几何引导三平面表示的4D人体视频风格化框架,可在统一框架中实现风格迁移、新视角合成与人体动画,并在纹理风格化和时间一致性上优于现有方法。
2023-12-07 cs.CV
ReCoNet: Real-time Coherent Video Style Transfer Network
The University of Hong Kong(香港大学);Deepwise AI Lab(深睿人工智能实验室)
基于卷积神经网络的图像风格传输模型在应用于视频时通常会出现高时间不一致性。已有的一些视频风格转换模型可以提高时间一致性,但它们不能同时保证快速的处理速度、良好的感知风格质量和高的时间一致性。在本文中,我们提出了一种新的实时的【形】视频风格转移模型,ReCoNet,它可以生成时间上连贯的风格转移视频,同时保持良好的感知风格。一种新的亮度扭曲约束被添加到输出级的时间损失,以捕获连续帧之间的亮度变化,并增加风格化的稳定性下的照明效果。我们还提出了一种新的特征图级的时间损失,以进一步提高可追踪对象的时间一致性。实验结果表明,我们的模型表现出优异的性能,定性和定量。
2018-11-01 cs.CV
Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region
Shanghai Jiao Tong University(上海交通大学);Youtu Lab, Tencent(腾讯优图实验室);Zhejiang University(浙江大学)
针对现有笔触渲染方法统一分块导致的边界伪影问题,提出动态预测绘画区域的组合式神经绘画框架,还引入可微距离变换损失扩展至风格迁移,在两类任务上均优于现有模型。
2023-10-10 cs.CV
StyleMe3D: Stylization with Disentangled Priors by Multiple Encoders on 3D Gaussians
ShanghaiTech University(上海科技大学);StepFun;AIGC Research(AIGC研究院);Guangming Laboratory(光明实验室)
StyleMe3D通过多编码器在3D高斯上实现解耦先验的风格化,利用动态风格分数蒸馏和多模态对齐策略提升风格迁移效果。
2026-02-05 cs.CV
Artistic style transfer for videos and spherical images
University of Freiburg(弗莱堡大学)
以某种艺术风格手动重新绘制图像需要专业艺术家很长时间。单独为视频序列做这件事是超乎想象的。我们提出了两种计算方法,从一个图像(例如,绘画)的风格转移到整个视频序列。在我们的第一种方法中,我们采用Gatys等人基于能量最小化的原始图像风格转移技术来适应视频。我们引入了新的初始化方法和新的损失函数,即使在大运动和强遮挡的情况下,也能生成一致和稳定的风格化视频序列。我们的第二种方法制定视频风格化作为一个学习问题。我们提出了一个深度网络架构和训练程序,使我们能够以一致和稳定的方式,几乎实时的对任意长度的视频进行风格化。我们表明,所提出的方法明显优于简单的基线定性和定量。最后,我们提出了一种方法,以适应这些方法也360度的图像和视频,因为它们出现与最近的虚拟现实硬件。
2018-08-05 cs.CV
ArtNeRF: A Stylized Neural Field for 3D-Aware Cartoonized Face Synthesis
Institute of Artificial Intelligence, Beihang University(北京航空航天大学人工智能研究院)
提出ArtNeRF框架,结合3D感知GAN、对比学习风格编码器与自适应风格混合模块,实现了高质量、任意风格的3D感知卡通人脸合成与实时渲染。
2024-04-26 cs.CV
Style4D-Bench: A Benchmark Suite for 4D Stylization
Harbin Institute of Technology(哈尔滨工业大学);Great Bay University(大湾大学);Vision, Graphics, and X Group(视觉、图形与X小组);Nanjing University(南京大学);Sun Yat-Sen University(中山大学);Alibaba Group(阿里巴巴集团)
Style4D-Bench是首个4D风格化基准套件,提出Style4D框架基于4D高斯泼溅,通过风格高斯表示和几何保持迁移实现最先进性能,提供标准化评估与数据集。
2025-08-26 cs.CV
LAPIG: Language Guided Projector Image Generation with Surface Adaptation and Stylization
Southwest University(西南大学);Stony Brook University(石溪大学)
LAPIG提出一种语言引导的投影仪图像生成方法,通过投影表面适应和风格化,利用双网络模拟补偿过程,结合内容与饱和度损失,实现低伪影的表面风格变换。
2025-06-23 cs.CV cs.MM
Stand-In: A Lightweight and Plug-and-Play Identity Control for Video Generation
WeChat Vision, Tencent Inc.(腾讯微信视觉实验室);VCIP, CS, Nankai University(南开大学计算机科学与技术学院)
本文提出Stand-In框架,通过引入条件图像分支和受限自注意力机制,实现轻量级身份控制,仅用1%额外参数和2000训练对即可提升视频质量和身份保持性,并支持多种视频生成任务。
2026-03-20 cs.CV
StyleMotif: Multi-Modal Motion Stylization using Style-Content Cross Fusion
Roblox(罗布乐思公司)
StyleMotif提出一种风格化运动潜在扩散模型,通过风格-内容交叉融合机制,从多模态输入中提取风格线索,生成兼具内容多样性和风格准确性的运动,超越现有方法。
2025-03-27 cs.AI cs.CL cs.CV
Text-Driven Stylization of Video Objects
Aarhus University(奥胡斯大学);University of Copenhagen(哥本哈根大学)
我们处理的任务,风格化的视频对象在一个直观的和语义的方式后,用户指定的文本提示。这是一项具有挑战性的任务,因为所得到的视频必须满足多个属性:(1)它必须在时间上一致,并避免抖动或类似的伪影,(2)所得到的风格化必须保留对象的全局语义及其细粒度细节,以及(3)它必须遵守用户指定的文本提示。为此,我们的方法根据两个目标文本对视频中的对象进行风格化。第一个目标文本提示符描述全局语义,第二个目标文本提示符描述局部语义。为了修改对象的样式,我们利用CLIP的表示能力来获得(1)局部目标文本和一组局部风格化视图之间的相似性得分,以及(2)全局目标文本和一组风格化全局视图之间的相似性得分。我们使用预训练的图谱分解网络以时间一致的方式传播编辑。我们证明,我们的方法可以生成一致的风格变化随着时间的推移,各种对象和视频,坚持目标文本的规范。我们还展示了如何改变目标文本的特异性和增强文本与一组前缀的结果在风格化与不同层次的细节。完整的结果在我们的项目网页:https://sloeschcke.github.io/Text-Driven-Stylization-of-Video-Objects/
2022-06-27 cs.CV
Context-Preserving Two-Stage Video Domain Translation for Portrait Stylization
Korea Advanced Institute of Science Technology (KAIST)(韩国科学技术院);NAVER AI Lab(NAVER人工智能实验室)
本文针对人像风格化在视频域中时间不连贯的问题,提出一种上下文保持的两阶段视频转换框架,在保持源视频上下文的同时实现实时风格化,每帧仅需0.011秒且参数量仅5.6M。
2023-05-30 cs.CV
SafeStyle: Calibrated Style Residual Injection for Controllable Style-Leakage Trade-off in Diffusion Stylization
University of Science and Technology of China(中国科学技术大学)
SafeStyle提出免训练的校准风格残差注入方法,通过子空间估计和残差范数预算,在扩散风格化中平衡风格保真度与内容泄漏,实验显示高风格相似度且低语义泄漏。
2026-09-21 cs.CV
WISE: Whitebox Image Stylization by Example-based Learning
Hasso Plattner Institute, University of Potsdam(波茨坦大学哈索·普拉特纳研究所);Digital Masterpieces GmbH(数字杰作有限责任公司)
基于图像的艺术渲染可以使用算法图像过滤来合成各种表现风格。与基于深度学习的方法相比,这些基于几何学的滤波技术可以对高分辨率图像进行操作,是可解释的,并且可以根据各种设计方面进行参数化。然而,调整或扩展这些技术以产生新的样式通常是一项乏味且容易出错的任务,需要专业知识。我们提出了一个新的范例来缓解这个问题:实现算法图像过滤技术的微分操作,可以学习参数化对齐某些参考风格。为此,我们提出了WISE,一个基于实例的图像处理系统,可以处理多种风格化技术,如水彩,油或卡通风格化,在一个共同的框架内。通过训练全局和局部滤波器参数化的参数预测网络,我们可以同时使效果适应参考样式和图像内容,例如,来增强面部特征我们的方法可以在风格转换框架中进行优化,也可以在生成对抗设置中进行学习,以进行图像到图像的翻译。我们证明,联合训练XDoG滤波器和CNN进行后处理可以实现与最先进的基于GAN的方法相当的结果。
2022-07-29 cs.CV cs.GR
UniEdit: A Unified Tuning-Free Framework for Video Motion and Appearance Editing
Zhejiang University(浙江大学);Microsoft Research Asia(微软亚洲研究院);Peking University(北京大学)
本文提出免调优框架 UniEdit,利用预训练文本到视频生成器及运动参考、重建分支与时空注意力注入,统一支持视频运动和外观编辑,并在实验中超过现有方法。
2024-04-07 cs.CV
Dance Like a Chicken: Low-Rank Stylization for Human Motion Diffusion
Tel Aviv University(特拉维夫大学);Snap Inc.(Snap公司)
本文提出LoRA-MDM,通过低秩适配少量风格样本调整运动扩散先验,在保持分布结构和可编辑性的同时实现逼真风格注入,并支持风格混合与运动编辑。
2025-07-21 cs.CV
Soap2Soap: Long Cinematic Video Remaking via Multi-Agent Collaboration
Show Lab, National University of Singapore(新加坡国立大学Show实验室);University of Oxford(牛津大学);Lovart AI(Lovart人工智能)
本研究提出 Soap2Soap 框架,通过多智能体协作实现长 cinematic 视频重制,解决视频到视频生成中长期一致性与叙事保真度的问题。
2026-05-17 cs.CV
EchoStyle: Unlocking High-Fidelity Video Stylization with Reverse Data Synthesis
The Hong Kong University of Science and Technology(香港科技大学);Alibaba Group(阿里巴巴集团);Xi’an Jiaotong University(西安交通大学)
提出EchoStyle框架,通过构建视频到视频架构、自动反向合成数据集V-Style20k和初始跟随模式机制,解决视频风格化中的内容泄露、数据稀缺和长视频适应性问题,实现高质量任意长度视频风格化。
2026-08-11 cs.AI cs.CV
Exemplar-Based 3D Portrait Stylization
City University of Hong Kong(香港城市大学);University of Southern California(南加利福尼亚大学);Snap Inc.(Snap公司)
基于范例的肖像风格化具有广泛的吸引力和高度的期望。尽管最近取得了成功,但它仍然具有挑战性,特别是在考虑纹理和几何风格时。在本文中,我们提出了第一个框架一次性三维肖像风格转移,它可以生成三维人脸模型与几何夸张和纹理风格化,同时保持身份从原始内容。它只需要一个任意样式的图像,而不是一个特定样式的训练样本的大集合,提供完全参数化和分离的几何和纹理输出,并使进一步的图形应用与3D表示。该框架包括两个阶段。在第一个几何风格转换阶段,我们使用面部标志平移来捕获粗糙的几何风格,并引导密集的3D人脸几何形状的变形。在第二个纹理风格转换阶段,我们专注于执行风格转换上的规范纹理,采用可微分渲染器优化纹理在多视图框架。实验结果表明,我们的方法取得了良好的效果,不同的艺术风格,并优于现有的方法。我们还通过各种2D和3D图形应用程序证明了我们的方法的优点。项目页面是https://halfjoe.github.io/projs/3DPS/index.html。
2021-04-29 cs.CV cs.GR
Uni-Neur2Img: Unified Neural Signal-Guided Image Generation, Editing, and Stylization via Diffusion Transformers
Fudan University(复旦大学);Zhejiang University(浙江大学);National University of Singapore(新加坡国立大学)
Uni-Neur2Img通过扩散变换器实现神经信号引导的图像生成、编辑和风格化,提供统一且高效的解决方案。
2025-12-21 cs.CV
Image-Guided Geometric Stylization of 3D Meshes
Seoul National University(首尔大学);Massachusetts Institute of Technology (MIT)(麻省理工学院)
本文提出一种几何风格化框架,通过变形3D网格表达图像风格,保留拓扑结构和部分语义,实验表明能生成具有独特几何特征的风格化3D模型。
2026-04-09 cs.CV cs.GR
ToonifyGB: StyleGAN-based Gaussian Blendshapes for 3D Stylized Head Avatars
Graduate Institute of Networking and Multimedia(网络与多媒体研究生院)
ToonifyGB通过改进的StyleGAN生成风格化视频并结合高斯混合形状,实现高效渲染多样化风格化的3D头身人偶。
2026-01-23 cs.CV
StyleGallery: Training-free and Semantic-aware Personalized Style Transfer from Arbitrary Image References
StyleGallery通过语义感知和无需训练的框架,实现任意图像参考的个性化风格迁移,提升内容保留与风格化平衡能力。
2026-03-12 cs.CV
CleanStyle: Plug-and-Play Style Conditioning Purification for Text-to-Image Stylization
AGI Lab, Westlake University(西lake大学AGI实验室)
CleanStyle通过动态抑制风格嵌入的尾部成分,提升文本到图像风格化任务中提示保真度和视觉质量。
2026-02-24 cs.CV
Show-1: Marrying Pixel and Latent Diffusion Models for Text-to-Video Generation
提出混合模型Show-1,结合基于像素和潜在空间的扩散模型进行文本到视频生成,实现精确文本对齐与高效率,达到最先进性能。
2025-05-30 cs.CV
4DStyleGaussian: Zero-shot 4D Style Transfer with Gaussian Splatting
提出4DStyleGaussian框架,利用嵌入式4D Gaussian Splatting和可逆神经网络预测4D风格变换矩阵,实现高效、零样本且时空一致的动态场景风格迁移。
2024-10-14 cs.CV