基于St yl eGAN的动漫图像生成

董虎胜，刘诚志，朱晶，徐苏安

（苏州市职业大学 计算机工程学院，江苏 苏州 215104）

0 引言

动漫是人们广为喜爱的一种艺术表现形式，一些经典的动漫人物形象更是成为大家共同的美好回忆。在QQ、微信、钉钉等各种社交平台上也有许多用户喜欢使用个性化的昵称与动漫头像来彰显自己的爱好或是风格。在一些场合中，也需要从真实图像获得动漫风格图像。然而，在这些用户群体中大部分人员却不一定具备动漫图像的创作能力，根据特定要求生成动漫风格的目标图像就成为他们的现实需求。

近年来深度学习的进展为人们使用计算机生成动漫风格图像提供了可行的解决方案。由KingMa等［1］提出的变分自动编码器（Variational AutoEncoder，VAE）就具有自动生成图像的功能，但是存在生成图像比较模糊与目标图像随机的不足。随着具有能够捕捉数据内在分布规律的对抗生成网络（Generative Adversarial Net，GAN）［3］的提出，使得生成更为清晰的图像成为可能［3，4］。但是，GAN模型同样存在目标不可控的问题，而且在训练上也较为困难。

通过对GAN的改进，相继提出了条件对抗生成网络（Conditional Generative Adversarial Net，CGAN）［5］与深度卷积对抗生成网络（Deep Convolutional GAN，DC⁃GAN）［6］等模型，模型能够生成指定类别的图像。尤其是最近基于风格的对抗生成网络（Style based GAN，StyleGAN）［7］的提出，从随机噪声生成具有特定细节与整体目标风格的图像获得明显的进步。本论述首先对StyleGAN的工作机制进行了细致的分析研究，并将其进一步应用到动漫图像的生成上，实验中生成的动漫图像结果验证了StyleGAN优秀的图像生成质量与风格可控性。……