今天要介绍的这篇文章，来自北大和字节跳动AI lab。
首先放上arxiv地址：https://www.arxiv-vanity.com/papers/2007.13332/
这篇文章做了一件什么事呢？它在之前真实人脸转动漫的基础上，新加了Few-shot的算法，用少量数据就能让模型更好地生成某一类图片（比如老人、小孩）。
事实上这是一次image2image+domain adaptation的很好的尝试，跟迁移学习的相关算法结合了一下。
那么之前没看过那篇人脸转动漫文章的朋友可以先看看UGATIT：https://blog.csdn.net/wenqiwenqi123/article/details/105483884
这篇文章解决的问题如下图：
不同的人群的脸部特征是不一样的，比如女人的睫毛比较长，男人则不。老人脸上有皱纹，小孩则不。因此本文的算法可以在生成动漫图的时候，使算法更能适应各种不同的人物风格。
好的，接下来介绍一下本算法：
1、符号定义：
我们将真实人脸图定义为X，卡通人脸定义为Y，不需要成对的训练数据。同时，将人脸分为四个组：年轻女人、年轻男人、小孩、老人。