来自特拉维夫大学的一组研究人员展示了 HyperStyle，这是 NVIDIA StyleGAN2 机器学习系统的倒置版本，经过重新设计，可以在编辑真实图像时重新创建缺失的部分。 该代码是使用 PyTorch 框架用 Python 编写的，并根据 MIT 许可证分发。
如果说StyleGAN允许你通过指定年龄、性别、头发长度、笑容特征、鼻子形状、肤色、眼镜和拍摄角度等参数来合成逼真的新人脸，那么HyperStyle则可以改变现有的类似参数在不改变其特征的情况下拍摄照片，同时保持对原始脸部的识别。 例如，使用 HyperStyle，您可以模拟照片中人的年龄变化、改变发型、添加眼镜、胡须或小胡子、使图像呈现卡通人物或手绘绘画的外观、使悲伤或欢快的面部表情。 此外，该系统不仅可以训练来改变人的面孔，还可以训练任何物体，例如编辑汽车的图像。
所提出的方法旨在解决编辑期间重建图像缺失部分的问题。 在先前提出的方法中，通过微调图像生成器以在重新创建最初丢失的可编辑区域时替换目标图像的部分来解决重建和可编辑性之间的权衡。 这种方法的缺点是需要对每个图像的神经网络进行长期的有针对性的训练。
基于 StyleGAN 算法的方法使得可以使用在常见图像集合上预先训练的标准模型来生成原始图像的特征元素，其可靠性水平与需要对每个模型进行单独训练的算法相当。图像。 新方法的另一个优点是能够以接近实时的性能修改图像。
基于 Flickr-Faces-HQ（FFHQ，70 万张高质量人脸 PNG 图像）、Stanford Cars（16 万张汽车图像）和AFHQ（动物照片）。 此外，还提供了用于训练模型的工具，以及适合与它们一起使用的标准编码器和生成器的现成训练模型。 例如，生成器可用于创建 Toonify 风格的图像、皮克斯角色、生成草图，甚至对迪士尼卡通中的公主进行风格化。
来源： opennet.ru