In this paper, we propose a novel method to learn face sketch synthesis models by using unpaired data. Our main idea is bridging the photo domain $\mathcal{X}$ and the sketch domain $Y$ by using the line-drawing domain $\mathcal{Z}$. Specially, we map both photos and sketches to line-drawings by using a neural style transfer method, i.e. $F: \mathcal{X}/\mathcal{Y} \mapsto \mathcal{Z}$. Consequently, we obtain \textit{pseudo paired data} $(\mathcal{Z}, \mathcal{Y})$, and can learn the mapping $G:\mathcal{Z} \mapsto \mathcal{Y}$ in a supervised learning manner. In the inference stage, given a facial photo, we can first transfer it to a line-drawing and then to a sketch by $G \circ F$. Additionally, we propose a novel stroke loss for generating different types of strokes. Our method, termed sRender, accords well with human artists' rendering process. Experimental results demonstrate that sRender can generate multi-style sketches, and significantly outperforms existing unpaired image-to-image translation methods.
翻译：在本文中, 我们提出一种新的方法来学习面部素描合成模型, 方法是使用未受重视的数据。 因此, 我们的主要想法是连接图片域$\ mathcal{X} 美元和草图域$Y$。 特别是, 我们通过使用神经风格传输方法, 即 $F:\ mathcal{X}/\ mathcal{Y}\ mapscal{Y}\ mapsto\ mathcal_ $。 因此, 我们获取了\ textitit{ presedo 配对数据} $( mathcal},\ mathcal{Y} $) 和草图域域$Y$( Y$ ) 。 我们用监控的学习方法, 即:\ mathcalcal_\ macal developmental expressionalations expressional expressional expressionals expressions. 我们的方法, s makes expeal- expeal- expealation expeactactactactal ex expeactal ex ex expeactals. s mactals s expeactals. expeals. 我们的方法, 我们的方法, 能够将现有的模型造型的模型造型的多重图像。 。 我们的方法, 。 我们的方法, 。 我们的方法, 。 。 。 方法, 。 方法, 。 方法, 以 。 。 。 方法, 。 以 以 以 以 以 以 和 和 制制制为 制制制制制成为 制成为 制成 制制制制制为 。
相关内容
微信扫码咨询专知VIP会员