CVPR 2024 | 基于DINO语义指导的单样本可变形人脸风格化

该工作针对单样本人脸风格化任务，考虑外观的跨域变化的同时，强调了艺术风格中的几何变形的重要性。具体来说，提出了一种基于DINO语义指导的可变形人脸风格化框架，通过在单一真实-风格图像对上进行训练，能够生成多样化、高质量的风格化人脸，同时保持输入人脸的身份一致性。论文题目：Deformable One-shot Face Stylization via DINO Semantic Guidance 论文链接：https://arxiv.org/pdf/2403.00459项目主页：https://vcc.tech/research/2024/DoesFS代码已开源：https://github.com/zichongc/DoesFS一、引言基于样例的人脸风格化旨在修改人脸照片风格，使其与指定的艺术人脸样例的风格一致。然而很多艺术风格样例十分稀缺，使用极其有限的风格样本对模型进行训练往往会出现过拟合现象。当前一些工作针对单样本人脸风格化通过不同的训练策略缓解了过拟合问题。然而，这些方法 ………………………………