[CVPR2021]Spatially-invariant Style-codes Controlled Makeup Transfer

标题：Spatially-invariant Style-codes Controlled Makeup Transfer

链接：https://openaccess.thecvf.com/content/CVPR2021/papers/Deng_Spatially-Invariant_Style-Codes_Controlled_Makeup_Transfer_CVPR_2021_paper.pdf

本文可以视作PSGAN的改良版，PSGAN中融合妆容特征和身份特征的时候用的是基于landmark的attention，而这里作者提取了基于区域的妆容style code，然后用StyleGAN的方式来融合特征。

模型看起来也和PSGAN非常相似，唯一的区别就是将PSGAN中的MDNet换成了PSEnc。

作者先将人脸通过语义分割模型分为眼睛，嘴巴和脸部三个部分，然后分别输入映射模块来获得三个风格向量，之后通过叉乘来融合后输入MLP来将调整特征在隐空间中的分布，进而通过Adain来与FIEnc提取出的身份特征融合，最终得到妆后的人脸。

使用的loss也和PSGAN大同小异，即对抗损失，全局感知损失，局部感知损失（将分割后的部件输入VGG提取特征），循环一致性损失，像素直方图损失。