接下来，只需等待十几秒，即可得到最终的高清版卡通肖像。
而且，如果对“美颜程度”不满意，还可以后期调整。
那么，如此神奇的效果，背后的原理是什么呢？
集成两种框架要讲明白VToonify风格转移的原理，就不得不提到StyleGAN，很多图像风格迁移框架都是以这个模型为基础的。
基于StyleGAN的方法也被称作图片卡通化，它将人脸编码到潜在空间中，然后再将生成的代码应用到被艺术肖像数据集调整后的StyleGAN，最终生成不同风格的肖像图。
重要的是，它可以生成1024*1024高分辨率的图像。
但StyleGAN在调整肖像的风格时，需要在固定的尺寸下进行，而且不完整的面孔以及一些奇怪的手势都会对它的效果产生影响，因此StyleGAN对动态肖像是不太友好的。
这时，就需要再介绍另外一种图像转换框架了——采用卷积网络的图像转换框架，它能够很好地忽略在测试阶段图像大小和人脸位置的限制 （与StyleGAN完全互补了）。
说回VToonify，它集两个框架的大成于一身，成为一个全新的混合框架。
研究人员删除了StyleGAN固定大小的输入特性和低分辨率层，然后创建了创建了一个完全卷积的编码器生成器架构。
具体来说，就是将StyleGAN模型集成到生成器中，将模型和数据结合起来，从而它的样式修改特性由VToonify继承。
并且，作为生成器的StyleGAN对编码器进行训练，可以大大减少训练时间和难度。
值得一提的是，该研究团队在今年3月就曾开发过一款图像风格转移AI：模仿大师（Pastiche Master），基于DualStyleGAN的框架，能够灵活控制风格并修改风格度。
