基于生成先验的有限数据人脸素描提取

面部素描不仅是展示一个人身份的简洁方式，也是一种表达艺术意图的手段。尽管最近出现了一些能够提取不同风格素描的技术，但它们通常依赖于难以获取的大量数据。在此，我们提出了一种名为StyleSketch的方法，可以从人脸图像中提取高分辨率的风格化素描。利用预训练的StyleGAN提供的丰富语义特征，我们仅需16对人脸及其对应的素描图像即可训练出一个素描生成器。该生成器通过基于部分的损失函数和两阶段学习方法，在训练过程中实现快速收敛，从而高质量地提取素描。通过一系列对比实验，我们展示了StyleSketch在提取高分辨率抽象面部素描的任务上优于现有的最先进素描提取方法和少量样本图像适应方法。此外，我们还进一步展示了StyleSketch的多功能性，将其应用扩展到其他领域，并探索了语义编辑的可能性。项目页面可访问：https://kwanyun.github.io/stylesketch_project。