MIRRORTALK: Forging Personalized Avatars Via Disentangled Style and Hierarchical Motion Control
Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司）；University of Science and Technology of China（中国科学技术大学）
MirrorTalk通过解耦风格与运动控制生成个性化虚拟形象，提升嘴唇同步准确性和个性化表达。
2026-01-30 cs.CV cs.SD
Personalized Image Filter: Mastering Your Photographic Style
State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（国家通用人工智能重点实验室，智能科学与技术学院，北京大学）；Beijing Academy of Artificial Intelligence（北京人工智能研究院）；State Key Laboratory of Multimedia Information Processing and National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（多媒体信息处理国家重点实验室和视觉技术国家工程研究中心，计算机科学学院，北京大学）；School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学）
针对摄影风格难以学习迁移且内容易丢失的问题，本文提出 PIF，借助文本到图像扩散先验与 textual inversion 从参考图像提取并迁移摄影风格。
2025-10-19 cs.CV
FreeInsert: Personalized Object Insertion with Geometric and Style Control
Shanghai Jiao Tong University（上海交通大学）
针对现有图像编辑缺乏几何控制与风格一致性问题，提出免训练的FreeInsert框架，利用3D几何信息实现对象插入，通过3D编辑与扩散适配器实现几何与风格控制。
2025-09-25 cs.CV
PersonaAnimator: Personalized Motion Transfer from Unconstrained Videos
本文提出 PersonaAnimator 框架，开创视频到视频的运动个性化任务，直接从无约束视频中学习个性化运动模式，并引入 PersonaVid 数据集和物理感知正则化机制，在运动迁移中取得优于现有方法的性能。
2025-11-09 cs.CV
ScriptViT: Vision Transformer-Based Personalized Handwriting Generation
Independent Researcher（独立研究者）
ScriptViT通过基于视觉变换器的风格编码器和交叉注意力机制，实现更准确且风格一致的个性化手写生成。
2025-11-23 cs.AI cs.CV cs.LG
AC-LoRA: Auto Component LoRA for Personalized Artistic Style Image Generation
SPEIT, Shanghai Jiaotong University（上海交通大学电子信息与电气工程学院（SPEIT））；Ubisoft La Forge（育碧拉福奇实验室）
针对 LoRA 个性化图像生成中秩参数调整困难的问题，提出 AC-LoRA 方法，利用 SVD 和动态启发式自动分离 LoRA 矩阵的信号与噪声组件，有效缓解过拟合与欠拟合，在多项指标上平均提升 9%。
2025-04-03 cs.AI cs.CV
Polaris: Scaling Up Instruction-Guided Image Generation Towards Millions of Personalized Style Needs
Tsinghua University（清华大学）
提出Polaris智能检索框架，通过索引和检索超过6500个检查点和75000个适配器，自动选择和集成最相关的模型组件，实现无需额外训练的可扩展、可控且对齐的指令驱动图像生成。
2026-06-01 cs.CV
Personalized Image Generation from an Author Writing Style
Joyspace AI
本文提出一种端到端流水线，利用作者写作表（AWS）驱动LLM生成文本到图像提示，再由扩散模型渲染，实现对作者写作风格的视觉个性化，并通过49种风格的人类评估验证了其风格匹配度和视觉独特性。
2025-07-04 cs.AI cs.CV
DRC: Enhancing Personalized Image Generation via Disentangled Representation Composition
University of Science and Technology of China（中国科学技术大学）；National University of Singapore（新加坡国立大学）；Nanyang Technological University（南洋理工大学）
DRC通过解耦表示组合框架，分别提取用户风格与语义意图，解决LMMs中的引导崩溃问题，实现可控且有效的个性化图像生成。
2025-08-04 cs.CV cs.IR
When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for Personalized Image Generation
Nanyang Technological University（南洋理工大学）
本文提出将StyleGAN的扩展嵌入空间$\mathcal{W}_+$与文本到图像扩散模型对齐，通过新的训练目标平衡提示与身份条件，实现身份保持与语义编辑兼顾的个性化图像生成。
2023-11-29 cs.CV
Style-Friendly SNR Sampler for Style-Driven Generation
Seoul National University（首尔大学）；Amazon（亚马逊）
针对现有文本到图像扩散模型个性化风格学习效果差的问题，提出风格友好型SNR采样器，通过微调时偏移信噪比分布至高噪声区间提升风格捕捉能力，可更好生成纯文本难以描述的新风格、支持风格模板创建。
2025-03-20 cs.CV
DreamTalk: When Emotional Talking Head Generation Meets Diffusion Probabilistic Models
Tsinghua University（清华大学）；Alibaba Group（阿里巴巴集团）；Huazhong University of Science and Technology（华中科技大学）
DreamTalk利用扩散模型框架，通过去噪网络、风格感知唇部专家和风格预测器，实现跨多样化情感的高质量说话人生成，并支持从音频直接指定个性化情感。
2024-08-10 cs.CV
PIA: Your Personalized Image Animator via Plug-and-Play Modules in Text-to-Image Models
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Dalian University of Technology（大连理工大学）
本文提出PIA，一种基于即插即用模块的个性化图像动画器，通过时间对齐层和条件模块，将任意个性化T2I模型无缝转换为图像动画模型，实现文本动作可控与高保真外观对齐。
2024-03-25 cs.AI cs.CV
Generative Adversarial Network for Personalized Art Therapy in Melanoma Disease Management
Leibniz University Hannover（莱布尼茨汉诺威大学）
黑色素瘤是最致命的一种皮肤癌。患者容易患上心理健康疾病，这会降低癌症治疗的有效性和患者对药物计划的依从性。至关重要的是，在患者接受治疗时，要保护他们的心理健康。然而，目前的艺术治疗方法并不是针对患者个人的。我们的目标是提供一个训练有素的图像风格转移模型，可以快速生成独特的艺术从个人皮肤镜黑色素瘤图像作为一个额外的工具，艺术治疗的疾病管理黑色素瘤。视觉艺术欣赏作为一种常见的艺术治疗形式在疾病管理，可测量地减少心理困扰的程度。我们开发了一个基于周期一致的生成对抗网络的网络，用于风格转移，该网络可以从皮肤镜黑色素瘤图像中生成个性化和独特的艺术品。我们开发了一种模型，可以将黑色素瘤图像转换为独特的花卉主题艺术品，这些艺术品与病变的形状有关，因此对患者来说是个性化的。此外，我们改变了最初的框架，并对结果进行了比较和评估。有了这个，我们增加了工具箱中的选择，用于黑色素瘤疾病管理的艺术疗法。开发一个易于使用的用户界面，确保利益攸关方可以使用这一方法。黑色素瘤转化为花卉为主题的艺术作品是通过所提出的模型和图形用户界面。这一贡献开辟了GANs在艺术治疗中的新领域，并可能导致更个性化的疾病管理。
2023-03-20 cs.CV cs.LG eess.IV
Multiform Fonts-to-Fonts Translation via Style and Content Disentangled Representations of Chinese Character
Jinan University（暨南大学）
本文主要讨论了作为图像风格传递问题的个性化字体的生成。本文的主要目的是设计一个能够对人物的内容和风格进行提取和重组的网络框架。这些尝试可以用来合成只有少量字符的整个字体集。本文将卷积神经网络、多层感知器和残差网络等深度网络相结合，寻找最优模型来提取字体字符的特征。通过结构相似性指数和峰值信噪比评价标准，结果表明，所生成的字符与真实字符非常接近。
2020-03-28 cs.CV cs.LG stat.ML
HyperDreamBooth: HyperNetworks for Fast Personalization of Text-to-Image Models
Google Research（谷歌研究院）
HyperDreamBooth提出一种超网络，从单张人脸图像快速生成个性化权重并结合快速微调，在约20秒内实现与DreamBooth同等质量的面部个性化，速度提升25倍且模型缩小1万倍。
2024-10-16 cs.AI cs.CV cs.GR
Lego: Learning to Disentangle and Invert Personalized Concepts Beyond Object Appearance in Text-to-Image Diffusion Models
INSAIT；Sofia University（索非亚大学）；ETH Zurich（苏黎世联邦理工学院）
提出Lego方法，通过Subject Separation步骤解耦主体纠缠概念，并采用Context Loss指导多嵌入反转，解决T2I模型中形容词和动词等超越外观的个性化概念反转难题。
2024-09-27 cs.CL cs.CV cs.LG
One-shot Unsupervised Domain Adaptation with Personalized Diffusion Models
Télécom-Paris（巴黎电信学院）；Institut Polytechnique de Paris（巴黎理工学院）；Ecole Polytechnique（巴黎综合理工学院）；CNRS（法国国家科学研究中心）
将分割模型从标记的源域适配到目标域（其中单个未标记数据可用）是领域自适应中最具挑战性的问题之一，并且另外被称为单次无监督领域自适应（OSUDA）。大多数现有的作品已经解决了这个问题，依赖于风格转移技术，其中源图像被风格化以具有目标域的外观。与仅传输目标“纹理”信息的常见概念不同，我们利用文本到图像扩散模型（例如，稳定扩散）来生成具有照片级真实感图像的合成目标数据集，这些图像不仅忠实地描绘了目标域的风格，而且还具有不同背景下的新颖场景的特征。在我们的方法数据增强与扩散模型（DATUM）的文本界面赋予我们的可能性，引导生成的图像对所需的语义概念，同时尊重一个单一的训练图像，这是不可能在现有的OSUDA方法。在标准基准上的大量实验表明，我们的DATUM超过了最先进的OSUDA方法高达+7.1%。该实现可在https://github.com/yasserben/DATUM上获得
2023-06-16 cs.CV
A Training-Free Style-Personalization via SVD-Based Feature Decomposition
DGIST（大邱庆北科学技术院）
本文提出了一种基于SVD特征分解的无训练风格个性化图像生成方法，通过主特征混合和结构注意力校正模块实现风格调控和结构一致性，提升生成效果与部署效率。
2025-11-21 cs.CV
Aesthetic Features for Personalized Photo Recommendation
Shopify；University of Toronto（多伦多大学）
许多摄影网站，如Flickr，500px，Unsplash和Adobe Behance，都被业余和专业摄影爱好者使用。与基于内容的图片搜索不同，摄影网站的这类用户并不仅仅是在寻找具有某种内容的照片，更普遍的是寻找具有某种摄影“美感”的照片。在此背景下，我们探索个性化的照片推荐，并提出了两种美学特征提取方法的基础上（i）颜色空间和（ii）深度风格转移嵌入。使用来自500px的数据集，我们评估了如何通过协同过滤方法最好地利用这些功能，并表明（ii）提供了显着提高照片推荐性能。
2018-08-31 cs.CV cs.IR
TaleForge: Interactive Multimodal System for Personalized Story Creation
1 University of Science, VNU-HCM, Ho Chi Minh City, Vietnam；2 Vietnam National University, Ho Chi Minh City, Vietnam；3 Department of Computer Science \ of Dayton Ohio, United States
提出交互式多模态系统TaleForge，结合LLMs与文本到图像扩散技术，将用户面部嵌入故事叙事与插图，实现个性化文本与图像对齐的沉浸式体验。
2025-06-27 cs.CV
StyleForge: Enhancing Text-to-Image Synthesis for Any Artistic Styles with Dual Binding
Dongguk University（东国大学）
StyleForge通过双重绑定技术，用少量样本实现任意艺术风格的个性化文本到图像合成，显著提升图像质量与文本对齐。
2024-07-17 cs.AI cs.CV
PIDiff: Image Customization for Personalized Identities with Diffusion Models
School of Computer Science and Information Engineering, Hefei University of Technology（计算机科学与信息工程学院，合肥工业大学）
针对个性化身份生成中身份与背景语义纠缠导致特征丢失和多样性下降的问题，本文提出 PIDiff，结合 W+ 空间、身份定制微调、交叉注意力块与参数优化，实现准确定位并保持生成多样性。
2025-05-12 cs.CV
VAST: Vivify Your Talking Avatar via Zero-Shot Expressive Facial Style Transfer
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Microsoft（微软）；Shanghai Jiao Tong University（上海交通大学）
本文提出VAST模型，通过风格编码器、混合表情解码器和变分风格增强器，实现从任意视频提示零样本迁移表情风格，生成更生动真实的说话头像。
2024-11-20 cs.CV
FreeTuner: Any Subject in Any Style with Training-free Diffusion
Zhejiang University（浙江大学）；Tencent（腾讯）；Hong Kong University of Science and Technology（香港科技大学）
针对组合个性化中概念纠缠等问题，提出无需训练的FreeTuner方法，通过两阶段解耦策略和风格引导，实现任意主体与任意风格的组合生成，实验验证其有效性。
2024-05-27 cs.CV
LoRAShop: Training-Free Multi-Concept Image Generation and Editing with Rectified Flow Transformers
Virginia Tech（弗吉尼亚理工大学）
LoRAShop是首个基于LoRA模型的多概念图像编辑框架，利用Flux风格扩散Transformer特征在去噪早期的空间激活特性推导解耦潜在掩码，实现无需重训练的多主体或风格无缝集成，在保留全局上下文的同时显著提升身份保持效果。
2025-05-29 cs.CV
Powerful and Flexible: Personalized Text-to-Image Generation via Reinforcement Learning
University of Electronic Science and Technology of China（电子科技大学）；Baidu Inc（百度公司）
本文提出一种基于确定性策略梯度的强化学习框架，用于个性化文本到图像生成，可灵活整合多种目标，显著提升视觉保真度并保持文本对齐。
2024-07-18 cs.CV
SVP: Style-Enhanced Vivid Portrait Talking Head Diffusion Model
Fudan University（复旦大学）；Tencent（腾讯）
针对音频驱动的会说话头像生成中扩散模型方法忽略视频内在风格导致内容缺乏多样性和生动性的问题，提出SVP框架，通过概率风格先验学习和SD模型微调，生成更优视频。
2024-11-28 cs.CV
SubZero: Composing Subject, Style, and Action via Zero-Shot Personalization
Qualcomm AI Research（高通人工智能研究部门）；Qualcomm Technologies, Inc.（高通技术公司）
SubZero提出免微调框架，通过新颖约束和正交化时间聚合及定制投影器，实现任意主体、风格与动作的零样本组合，显著优于现有方法。
2025-02-27 cs.CV
StyleGuard: Preventing Text-to-Image-Model-based Style Mimicry Attacks by Style Perturbations
Department of Computing, Hong Kong Polytechnic University（计算机学系，香港理工大学）
针对现有图像风格模仿防御方法易被纯化手段攻破、跨模型迁移性差的问题，本研究提出StyleGuard方法，通过风格损失与放大损失优化扰动，在多数据集上实现了更强的鲁棒性与跨模型反模仿效果。
2025-10-30 cs.AI cs.CV
Learning Personalized Driving Styles via Reinforcement Learning from Human Feedback
Shanghai Jiao Tong University（上海交通大学）；Shanghai Qi Zhi Institute（上海启智研究院）；Peking University（北京大学）；LiAuto；Tsinghua University（清华大学）
针对生成式轨迹模型难以捕捉个性化驾驶风格的问题，提出人类反馈驱动微调框架TrajHF，结合多条件去噪器与人类反馈强化学习，在NavSim基准上达到最先进性能，实现个性化自适应轨迹生成。
2025-09-26 cs.CV cs.LG cs.RO
Style-Preserving Lip Sync via Audio-Aware Style Reference
School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）；Shandong Inspur Database Technology Co., Ltd.（山东 Inspur 数据库技术有限公司）；Peking University（北京大学）；Peng Cheng Laboratory（鹏城实验室）
提出音频感知风格参考方案，利用输入与参考音频关系，结合Transformer和条件潜在扩散模型，实现风格保持的精确唇形同步与高保真视频生成。
2025-06-18 cs.AI cs.CV cs.MM
Personalized Image Enhancement Featuring Masked Style Modeling
The University of Tokyo（东京大学）；Tokyo Institute of Technology（东京工业大学）
针对个性化图像增强中风格单一的问题，提出掩码风格建模方法与基于Flickr图像和退化模型的训练方案，实现内容感知个性化，性能优于现有方法。
2023-06-15 cs.CV
PTalker: Personalized Speech-Driven 3D Talking Head Animation via Style Disentanglement and Modality Alignment
College of Computer Science and Electronic Engineering（计算机科学与电子工程学院）；Hunan University（湖南大学）；School of Electronic Information（电子信息学院）；Central South University（中南大学）
PTalker通过风格解耦和模态对齐实现个性化语音驱动的3D对话头动画，提升唇同步精度与真实感。
2025-12-27 cs.CV
AdaMesh: Personalized Facial Expressions and Head Poses for Adaptive Speech-Driven 3D Facial Animation
Tsinghua University（清华大学）；SenseTime Research（商汤科技研究院）；Xverse Technology（Xverse科技公司）；The Chinese University of Hong Kong（香港中文大学）
提出AdaMesh，通过约10秒参考视频学习个性化说话风格，结合MoLoRA微调表情适配器和无需微调的姿态适配器，生成生动的3D面部表情与头部姿态动画。
2025-03-04 cs.CV cs.MM
StyleSync: High-Fidelity Generalized and Personalized Lip Sync in Style-based Generator
Baidu Inc.（百度公司）；Tsinghua University（清华大学）；The University of Sydney（悉尼大学）；Nanyang Technological University（南洋理工大学）
本文提出StyleSync框架，利用风格生成器与掩码引导编码，在少量样本下实现高保真、泛化且个性化的唇形同步，保留身份与说话风格。
2023-05-09 cs.CV cs.GR cs.MM
Driving Like Yourself: A Benchmark for Closed-Loop Personalized End-to-End Autonomous Driving
The University of Hong Kong（香港大学）；ShanghaiTech University（上海科技大学）；The Chinese University of Hong Kong（香港中文大学）
本文提出Person2Drive平台，通过个性化数据集、评价指标和框架，解决自动驾驶个性化难题，实现细粒度分析与有效个性化。
2026-07-14 cs.CV
Multi-Objective Reinforcement Learning for Adaptable Personalized Autonomous Driving
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉玛尔机器学习与人工智能研究所）；Center for Robotics（机器人中心）
本文提出基于多目标强化学习与偏好驱动优化的端到端自动驾驶方法，通过连续权重向量在运行时动态调节效率、舒适性、速度和激进性等驾驶风格，无需重训策略，并在CARLA中验证了其适应能力与安全性。
2025-07-18 cs.CV cs.LG cs.RO
StyleDrive: Towards Driving-Style Aware Benchmarking of End-To-End Autonomous Driving
AIR, Tsinghua University（空气动力学研究所，清华大学）；King’s College London（伦敦国王学院）；The University of Manchester（曼彻斯特大学）；The University of Hong Kong（香港大学）
针对端到端自动驾驶（E2EAD）领域个性化研究被忽视的问题，本研究构建首个大规模真实世界个性化E2EAD数据集，提出混合标注流水线并建立标准化基准，实证显示融入驾驶偏好可显著提升模型与人类行为的一致性。
2025-11-18 cs.CV cs.RO
Personalized Image Descriptions from Attention Sequences
Stony Brook University（石溪大学）；UNC-Charlotte（北卡罗来纳大学夏洛特分校）；The University of Adelaide（阿德莱德大学）
DEPER通过建模个性化注意力序列，实现了基于视觉-语言模型的个性化图像描述生成，提升了描述质量与人类对齐性。
2025-12-07 cs.CV
Imitator: Personalized Speech-driven 3D Facial Animation
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Microsoft Mixed Reality & AI Lab（微软混合现实与人工智能实验室）
语音驱动的3D人脸动画已经被广泛地研究，在游戏、角色动画、虚拟现实和远程呈现系统中具有应用。现有技术的方法使目标演员的面部拓扑结构变形以同步输入音频，而不考虑目标演员的身份特定的说话风格和面部特质，因此，导致不真实和不准确的嘴唇运动。为了解决这个问题，我们提出了模仿者，语音驱动的面部表情合成方法，它从一个短的输入视频中学习特定于身份的细节，并产生新的面部表情匹配特定于身份的说话风格和面部特质的目标演员。具体来说，我们训练一个风格不可知的Transformer上的一个大型的面部表情数据集，我们使用作为音频驱动的面部表情的先验。基于此先验，我们基于短参考视频优化特定于身份的说话风格。为了训练先验，我们引入了一种新的基于检测到的双唇辅音的损失函数，以确保合理的嘴唇闭合，从而提高所生成的表情的真实感。通过详细的实验和用户研究，我们表明，我们的方法产生时间连贯的面部表情从输入音频，同时保持说话风格的目标演员。
2022-12-30 cs.CV
MemoryTalker: Personalized Speech-Driven 3D Facial Animation via Audio-Guided Stylization
Chung-Ang University（Chung-Ang 大学）；Korea University（韩国大学）
针对语音驱动3D面部动画需额外先验的问题，提出MemoryTalker框架，仅用音频输入通过两阶段（记忆通用运动、音频引导风格化合成）实现个性化动画，实验证明其效果优于现有方法。
2025-08-25 cs.AI cs.CV
PVP: Personalized Video Prior for Editable Dynamic Portraits using StyleGAN
University of California, San Diego（加州大学圣地亚哥分校）；Qualcomm Technologies Inc.（高通技术公司）
本文提出 PVP 方法，利用 PTI 从单目视频学习个性化先验，通过 MLPs 和潜在向量操纵实现极端头部姿态下的可编辑动态人像合成，并实时运行于 RTX 3080。
2023-06-29 cs.CV cs.GR
Image Stylization: From Predefined to Personalized
Google Research（谷歌研究院）
我们提出了一个框架，使用广泛的预定义的过滤器块的新的图像风格化的交互式设计。这两种新的和现成的图像过滤和渲染技术的扩展和组合，使用户能够释放他们的创造力，直观地发明，修改和调整新的风格，从一组给定的过滤器。在平行于此手动设计，我们提出了一种新的程序方法，自动组装过滤器的序列，导致独特和新颖的风格。我们的框架的一个重要目标是允许交互式探索和设计，以及使视频和相机流在飞行中风格化。为了实现这种实时性能，我们使用了\textit{Best Linear Adaptive Enhancement}（BLADE）框架--一种可解释的浅层机器学习方法，可以实时的模拟复杂的滤波器块。我们的代表性结果包括使用我们的交互式工具设计的十几种风格，一组程序化创建的风格，以及使用我们的BLADE方法训练的新过滤器。
2020-02-22 cs.CV cs.GR
MimicTalk: Mimicking a personalized and expressive 3D talking face in minutes
ByteDance（字节跳动）；Zhejiang University（浙江大学）
提出MimicTalk，利用与人物无关的NeRF通用模型，通过静态-动态混合适配和上下文风格化音频到动作模型，在15分钟内高效生成个性化且富有表现力的3D说话人脸。
2024-10-15 cs.CV
PersonaGest: Personalized Co-Speech Gesture Generation with Semantic-Guided Hierarchical Motion Representation
School of Computing, National University of Singapore（新加坡国立大学计算机学院）
本文提出PersonaGest框架，通过语义引导的RVQ-VAE和Masked Generative Transformer实现语音伴随手势的高质量生成，提升语义一致性和个性化表现。
2026-05-08 cs.CV cs.GR cs.MM
StyleTalk++: A Unified Framework for Controlling the Speaking Styles of Talking Heads
Fuxi AI Lab, Netease（网易伏羲人工智能实验室）；Tsinghua University（清华大学）；the University of Queensland（昆士兰大学）
针对现有单样本说话人头部生成方法无法捕捉个性化说话风格的问题，提出StyleTalk++统一框架，通过风格编码与双分支解码合成3DMM系数，仅用单张肖像和音频即可生成风格多样的真实说话人头部视频。
2024-09-14 cs.CV
Federated Unsupervised Visual Representation Learning via Exploiting General Content and Personal Style
Duke University（杜克大学）
针对去中心化无标签异构数据的视觉表征学习兼顾通用性与个性化的难题，提出FedStyle方法，融合风格与内容信息训练通用全局模型，引入风格信息适配本地个性化任务，实验证明其性能优于现有基线。
2025-06-11 cs.CV cs.DC
Few-shots Portrait Generation with Style Enhancement and Identity Preservation
Communication University of Zhejiang（浙江传媒学院）
如今，虚拟数字人的广泛应用，促进了数字经济支撑下的数字文化的全面繁荣和发展。AI技术自动生成的个性化人像，既需要自然的艺术风格，也需要人情味。本文提出了一种新颖的StyleIdentityGAN模型，该模型可以同时保证生成的肖像的身份性和艺术性。具体而言，风格增强模块侧重于艺术风格特征的解耦和转移，以提高生成的虚拟人脸图像的艺术性。同时，身份增强模块保留了从输入照片中提取的重要特征。此外，所提出的方法需要少量的参考样式数据。实验证明了StyleIdentityGAN在艺术性和身份效果方面优于最先进的方法，并通过定性，定量和感知用户研究进行了比较。代码已在Github3上发布。
2023-03-01 cs.CV
Personalized Face Super-Resolution with Identity Decoupling and Fitting
本文提出IDFSR方法，通过掩蔽低分辨率人脸区域、扭曲参考图像提供风格引导，并利用身份嵌入进行个性化微调，在极端退化条件下显著提升人脸超分辨率的身份一致性与感知质量。
2025-08-13 cs.CV
Few-shot Font Generation by Learning Style Difference and Similarity
Xidian University（西安电子科技大学）；Chongqing University of Posts and Telecommunications（重庆邮电大学）；Shenzhen AiMall Tech（深圳爱猫科技）
Few-Shot字体生成（FFG）的目的是在通过引用少量样本生成目标字体的同时保持原始字符的底层全局结构。它已被应用于字体库创建、个性化签名等场景。现有的FFG方法显式地将通用或组件方式的引用字形的内容和样式分开。然而，它们忽略了不同样式中的字形之间的差异以及相同样式中的字形之间的相似性，这导致了诸如局部失真和样式不一致之类的伪像。为了解决这个问题，我们提出了一种新的字体生成方法，通过学习不同风格之间的差异和相同风格的相似性（DS-Font）。我们引入对比学习来考虑风格之间的积极和消极关系。具体来说，我们提出了一个多层风格投影仪的风格编码，并实现了独特的风格表示通过我们提出的多层对比风格（CCS）的损失。此外，我们设计了一个多任务的补丁识别器，它综合考虑了图像的不同区域，并确保每种风格可以独立区分。我们全面进行定性和定量评估，以证明我们的方法比最先进的方法取得了更好的结果。
2023-01-24 cs.CV
Learning Style Identification Using Semi-Supervised Self-Taught Labeling
本文提出一种基于半监督机器学习与数据挖掘的方法，利用Felder Silverman模型在少量标注数据下识别学生学习风格，并在两门课程中分别取得88.83%和77.35%的准确率，从而支持个性化学习环境构建。
2024-02-04 cs.CV cs.CY cs.LG
When & How to Write for Personalized Demand-aware Query Rewriting in Video Search
Weixin Group, Tencent（腾讯微信事业群）
本文提出WeWrite框架，通过自动化后验挖掘策略、混合训练范式和并行'假召回'架构，提升视频搜索查询重写效果，提高点击视频量1.07%并降低查询重写率2.97%。
2026-04-10 cs.CV cs.IR cs.LG
StyleTalk: One-shot Talking Head Generation with Controllable Speaking Styles
Netease（网易）
针对现有单样本说话人脸方法无法生成多样化说话风格的问题，提出StyleTalk框架，通过风格编码器提取风格码、风格可控解码器结合风格感知自适应Transformer合成动画，仅用单张肖像和音频即可生成具多样风格的逼真说话人脸视频。
2023-06-10 cs.CV
