wrk226的博客

标题：Language-Driven Artistic Style Transfer如标题所示，本文做的是基于文本引导的风格迁移。整体的思路还是用的AST(arbitrary style transfer)那一套自编码器结构。AST的思路就是通过将原图和目标图都经过一个encoder，得到原图的风格和语义特征以及目标图的风格和语义特征而这篇文章唯一的不同就是目标图自带一套文本描述，因此可以抽取文本的特征，然后将之视作风格特征与原图语义融合，最后通过解码器生成符合文本语义的结果即可。

标题：DCT-Net: Domain-Calibrated Translation for Portrait Stylization本文做的是基于人脸的风格迁移，效果非常惊艳。特点就是在迁移了局部纹理和整体颜色的基础上，进一步融入了对应风格的细节表达。模型最有意思的点就是域之间的对齐，这为少样本的图像迁移提供了一个思路。

标题：Learning to Cartoonize Using White-box Cartoon Representations本文的目的是将任意图片迁移到卡通风格。作者通过专业知识将卡通风格解耦为不同的指标，并分别约束这几个指标，从而使得网络生成的卡通效果可控，因此称之为“白盒”（对比其他的风格迁移方法大都是端到端的黑盒结构，内部基本不可控）。