스타일샷: 어떤 스타일이라도 한 번의 스냅샷으로 확인하기

본 논문에서는, 테스트 시점 조정 없이도 일반화된 스타일 전이를 달성하기 위해 우수한 스타일 표현이 필수적이고 충분함을 보여준다. 이를 위해 스타일 인지 인코더와 'StyleGallery'라 불리는 체계적으로 구성된 스타일 데이터셋을 구축하였다. 스타일 학습에 특화된 설계를 통해, 이 스타일 인지 인코더는 분리 학습 전략을 활용하여 표현력이 풍부한 스타일 표현을 추출하도록 훈련되며, StyleGallery는 모델의 일반화 능력을 가능하게 한다. 또한 이미지 기반 스타일 전이의 성능을 향상시키기 위해 콘텐츠 융합 인코더를 추가로 도입하였다. 본 연구에서 제안하는 방법론인 StyleShot은 테스트 시점 조정 없이 다양한 원하는 스타일—예를 들어 3D 스타일, 평면 스타일, 추상 스타일 또는 세부적인 스타일 등—을 효과적으로 모방할 수 있음을 강조한다. 엄격한 실험을 통해 StyleShot이 기존 최고 수준의 기법들과 비교하여 다양한 스타일에 걸쳐 우수한 성능을 달성함을 입증하였다. 프로젝트 페이지는 다음 링크에서 확인할 수 있다: https://styleshot.github.io/.