祝贺实验室团队博士生高俊尧一篇论文StyleShot: A Snapshot on Any Styleon被IEEE Transactions on Pattern Analysis and Machine Intelligence录用。

在该工作中，我们提出了一种名为 StyleShot 的通用风格迁移方法，能够在无需测试时微调的情况下，将任意艺术风格高质量地迁移到任意内容图像上。具体而言，StyleShot 的核心在于构建一个风格感知编码器（style-aware encoder），该编码器能够从参考风格图像中提取出通用且判别性强的风格表征；同时，我们构建了一个结构化的风格数据集 StyleGallery，涵盖 3D、扁平化、抽象乃至细粒度等多种风格类型，用于训练和评估模型的泛化能力。大量实验表明，StyleShot 在图像质量、风格保真度和内容结构保持方面显著优于现有方法，且支持文本或图像双重驱动的风格迁移。该方法简单高效，为通用风格迁移提供了一种无需针对每张图像单独优化的端到端解决方案。