基于端到端训练的风格迁移模型CSGO：根据用户提供的文本描述和风格图像，生成具有特定风格的内容图像

InstantX Team、南京理工大学、北京航空航天大学和北京大学的研究人员推出一种基于端到端训练的风格迁移模型CSGO，它是一个用于文本到图像生成的风格迁移模型。简单来说，CSGO能够根据用户提供的文本描述和风格图像，生成具有特定风格的内容图像。这就像是一个艺术家，可以根据你的描述和你喜欢的画作风格，创作出一幅全新的画。CSGO明确地分离了内容和风格特征，并采用独立的特征注入。统一的CSGO实现了图像驱动的风格迁移、文本驱动的风格化合成以及文本编辑驱动的风格化合成。

• 项目主页：https://csgo-gen.github.io
• GitHub：https://github.com/instantX-research/CSGO
• Demo：https://huggingface.co/spaces/xingpng/CSGO

主要功能和特点：

1. 风格迁移：CSGO能够将一种图像的风格应用到另一种图像的内容上，生成风格化的新图像。
2. 文本驱动的风格合成：用户可以通过文本提示来引导图像的风格，比如“一幅画着猫的油画”。
3. 文本编辑驱动的风格合成：用户可以通过修改文本提示来改变生成图像的风格，而不需要重新生成内容。

工作原理：

1. 数据构建管道：研究者们构建了一个名为IMAGStyle的数据集，包含大量的内容-风格-风格化图像三元组，用于训练模型。
2. 端到端训练：CSGO模型通过端到端的方式进行训练，能够显式地区分内容和风格特征，并独立地注入这些特征。
3. 内容和风格控制：模型包含内容控制和风格控制两个模块，分别处理内容图像和风格图像的特征，并在生成过程中融合这些特征。

具体应用场景：

1. 艺术创作：艺术家可以使用CSGO来探索不同的艺术风格，将他们的作品转换成各种风格。
2. 数字娱乐：在游戏或电影制作中，CSGO可以用来生成符合特定艺术风格的图像，增强视觉体验。
3. 个性化内容生成：用户可以根据自己的喜好，生成具有个性化风格的照片或图像，用于社交媒体分享。