# スタイル転移

PortraitGenは、マルチモーダル生成事前学習に基づく2D肖像動画編集ツールです。2D肖像動画を4Dガウシアンフィールドに高め、マルチモーダルな肖像編集を実現します。SMPL-X係数のトラッキングとニューラルガウシアンテクスチャメカニズムを用いることで、3D肖像の高速生成と編集が可能です。さらに、表情の質を高め、個性的な顔面構造を維持するための反復的データセット更新戦略とマルチモーダル顔認識編集モジュールを提案しています。

Flux Image Generatorは、先進的なAIモデル技術を利用し、ユーザーのアイデアを迅速に高品質な画像に変換するツールです。高速なローカル開発および個人使用向けのモデルFLUX.1 [schnell]、非商業利用向けのガイド蒸留モデルFLUX.1 [dev]、最先端のパフォーマンスで画像生成を行うFLUX.1 [pro]の3種類のモデルバリエーションを提供しています。個人プロジェクトから商業利用まで、あらゆるユーザーのニーズに対応できます。

InstantStyle-Plusは、テキストから画像を生成する過程でスタイル転移を実現し、同時に元のコンテンツの完全性を維持することに特化した、高度な画像生成モデルです。スタイル注入、空間構造の維持、セマンティックコンテンツの維持という3つのサブタスクにスタイル転移タスクを分解し、InstantStyleフレームワークを利用することで、効率的で軽量な方法でスタイル注入を実現します。このモデルは、コンテンツの潜在的なノイズを反転させ、Tile ControlNetを使用することで空間構成を維持し、グローバルセマンティックアダプターによってセマンティックコンテンツの忠実度を高めます。さらに、スタイル抽出器を識別器として使用し、追加のスタイルガイドを提供します。InstantStyle-Plusの主な利点は、コンテンツの完全性を犠牲にすることなく、スタイルとコンテンツの調和のとれた統一を実現できる点です。

RB-Modulationは、Googleが発表した、最適制御に基づく新たな訓練不要のパーソナライズ拡散モデルソリューションです。終端コストで必要な属性をエンコードすることで、スタイルとコンテンツの正確な抽出と制御を実現し、追加の訓練なしで、参照画像のスタイルと一致し、与えられたテキストプロンプトに従う画像を生成します。この技術は、訓練不要で、新規のAttention Feature Aggregation（AFA）モジュールを通じて、参照画像の高忠実度を維持しつつ、与えられたプロンプトに従うため、重要な研究と応用の価値があります。

Freditorは、周波数分解に基づいたNeRF編集手法です。高忠実度のNeRFシーン編集を実現し、他のシーンへの転移も可能です。この手法は、NeRFシーンを高周波数成分と低周波数成分に分割し、低周波数成分にスタイル転移を適用した後、高周波数成分の詳細を再統合することで、高忠実度の編集結果を生成します。Freditorは、推論過程において編集強度を制御することも可能です。実験により、この手法は、忠実度と転移可能性の両方において、既存のNeRF編集手法を上回ることが示されました。