近日，来自清华、香港城市大学和微软的研究者发表论文《CariGANs: Unpaired Photo-to-Caricature Translation》，提出首个用于非成对图像转漫画的生成对抗网络（GAN）——CariGANs。它显性地使用两个组件建模几何夸张线条和外观风格：CariGeoGAN，仅建模从人脸图像到漫画的几何变换；CariStyGAN，将漫画的外观风格迁移到人脸图像，且不存在任何几何变形。通过这种方式，一个困难的跨域转换问题被分解成两个较为简单的任务。从感官角度来看，CariGANs 生成的漫画与人类手绘的漫画相差无几，同时与当前最优的方法相比，CariGANs 生成的漫画更好地保存了人脸特征的一致性。此外，CariGANs 允许用户调整参数或者为用户提供示例漫画，从而使用户可以控制几何线条夸张程度、改变漫画的颜色／纹理风格。目前这篇论文已经被 SIGGRAPH Asia 2018 大会收录。