还记得之前抖音爆火的人脸特效吗？输入一张人脸照片，就可生成一张动漫人脸图像。这背后的技术离不开基于样例的人脸风格化，它通过渲染人脸照片使其风格与指定的动漫样例画风一致，从而生成自己喜欢的动漫角色。

然而现在的动漫人脸生成方法要么依赖大量的训练数据，虽然取得了不错的效果，但这类方法只适用于小尺寸图像，难以满足实际需求；要么是基于StyleGAN在小规模动漫人脸数据集上微调，但该方法只能学习数据集的一个总体风格，无法精确模拟数据集中指定的动漫人像样例的风格。那如何在小样本数据集上实现高清的动漫人脸风格呢？

针对上述难题，南洋理工大学博士后研究员杨帅等人提出了DualStyleGAN网络。它是在StyleGAN的基础上添加外部风格控制模块，构建全新的双路风格生成网络。

DualStyleGAN通过渐进的迁移学习方法在小规模数据上学习外部风格，能够在保持自身人脸领域风格建模的同时，接受外部动漫人脸风格上的条件控制，有效地模仿动漫的画风，实现高清的动漫人脸风格化。此外，DualStyleGAN 对训练数据非常高效，只需大约 200 张图片，便可以训练得到不错的结果。该工作被CVPR 2022接收。想要给自己人脸照片换个画风的朋友可以试试下面的代码。

5月6日，「AI新青年讲座」第13讲特邀南洋理工大学博士后研究员杨帅参与，主讲《基于小样本的高清动漫人脸风格生成网络DualStyleGAN》。