メイク転送は、リファレンス画像のメイクスタイルをソース顔に適用するタスクである。実際のメイクは多様で自由奔放であり、色の変更だけでなく、ステッカー、チーク、ジュエリーなどのパターンも含まれる。しかし、既存の研究ではこれらの後者の要素が見過ごされ、メイク転送は色調整に限定され、主に薄いメイクスタイルに焦点が当てられていた。本研究では、これら全てのメイク要素を処理できる包括的なメイク転送フレームワークを提案する。このフレームワークは、改善された色転送ブランチと新しいパターン転送ブランチから構成されており、色、形状、質感、位置など全てのメイクプロパティを学習することができる。このようなシステムの訓練と評価のために、実際および合成の極端なメイク用の新しいデータセットも紹介する。実験結果は、当該フレームワークが薄いメイクスタイルだけでなく極端なメイクスタイルにおいても最先端の性能を達成していることを示している。コードは https://github.com/VinAIResearch/CPM で入手可能である。