TransferWork:为2020年Google冬季训练营开发

让肖像笑 参考图片 潜在优化 微笑转变 | | | | | | | | | | || 与基于StyleGAN的任何其他模型不同，我们提出了有关如何将样式转换工作与基础Generator结合在一起的新思路。 更准确地说，使用预先训练的styleGAN和styleGAN编码器生成的一些潜在特征，然后我们可以将油像的整个域转换为stylGAN潜在空间（真实人脸图像），然后生成油像styleGAN。 这是神经网络的结构 初训 二次训练 使用情况 直接使用的API尚未附加。 训练 预处理 需要经过预先训练的官方样式GAN模型（ ） 需要对齐的图片（ ）。 初训 第一步，您应该使用styleGAN生成的数据集（建议随机抽样），该数据集可以从image（styleGAN生成）向潜在空间获取数据集。 利用特征提取器生成的原始潜在和新潜在预测之间的MSE损失，您可以在合成模型上获得高质量的重构。