摘要
化妆迁移是指将参考图像中的化妆风格应用到源人脸上的任务。现实生活中的化妆风格多种多样且富有创意，不仅包括颜色变化，还涉及图案，如贴纸、腮红和珠宝。然而，现有的研究忽略了这些后者的元素，将化妆迁移局限于颜色调整，主要集中在轻度化妆风格上。在本工作中，我们提出了一种全面的化妆迁移框架，能够处理上述所有提到的化妆组件。该框架由一个改进的颜色迁移分支和一个新颖的图案迁移分支组成，旨在学习所有化妆属性，包括颜色、形状、纹理和位置。为了训练和评估这一系统，我们还引入了新的真实和合成极端妆容数据集。实验结果表明，我们的框架在轻度和极端妆容风格上均达到了最先进的性能。代码可在 https://github.com/VinAIResearch/CPM 获取。