使用 StyleGAN 实现各种姿态下的人脸卡通化
Face Cartoonisation For Various Poses Using StyleGAN
AI总结：
本文提出利用预训练 StyleGAN 潜空间和姿态-身份编码器，在多种姿态下生成保留身份的人脸卡通图像，并通过实验验证其身份保持效果。
摘要：
本文提出了一种创新方法，用于在保留原始身份并适应各种姿态的同时实现人脸卡通化。不同于该领域以往依赖 conditional-GANs 的方法——这些方法在数据集需求和姿态训练方面存在挑战——我们的方法利用了 StyleGAN 富有表现力的潜空间。具体而言，我们引入一个编码器，从图像中同时捕捉姿态和身份信息，并在 StyleGAN 潜空间中生成相应的嵌入。随后，将该嵌入输入预训练生成器，即可获得所需的卡通化输出。尽管许多其他基于 StyleGAN 的方法需要专门且经过微调的 StyleGAN 模型，但我们的方法与众不同之处在于使用一个已经训练好、旨在生成逼真人脸图像的 StyleGAN。通过大量实验，我们展示了当目标是卡通化时，该编码器如何调整 StyleGAN 输出以更好地保留身份。
英文摘要：
This paper presents an innovative approach to achieve face cartoonisation while preserving the original identity and accommodating various poses. Unlike previous methods in this field that relied on conditional-GANs, which posed challenges related to dataset requirements and pose training, our approach leverages the expressive latent space of StyleGAN. We achieve this by introducing an encoder that captures both pose and identity information from images and generates a corresponding embedding within the StyleGAN latent space. By subsequently passing this embedding through a pre-trained generator, we obtain the desired cartoonised output. While many other approaches based on StyleGAN necessitate a dedicated and fine-tuned StyleGAN model, our method stands out by utilizing an already-trained StyleGAN designed to produce realistic facial images. We show by extensive experimentation how our encoder adapts the StyleGAN output to better preserve identity when the objective is cartoonisation.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
