Adaptação da StyleGAN2 para geração bidirecional de faces individuais via transfer learning

Dória Neto, Adrião Duarte

Universidade Federal do Rio Grande do Norte

2025-11-24

redes generativas adversárias

stylegan

transfer learning

síntese facial

encoder

Este trabalho apresenta uma abordagem para otimizar a geração de rostos individuais utilizando transfer learning com base na rede StyleGAN2. O objetivo é reduzir o tempo de treinamento e evitar a necessidade de iniciar cada geração facial do zero, mantendo ao mesmo tempo alta qualidade nas imagens geradas. Foi adaptada uma arquitetura acoplada ao gerador pré-treinado, com o objetivo de promover a especialização, assim como congelamento seletivo de partes do gerador original e do discriminador para permitir a otimização do processamento. Em sequência foi aliada a um encoder independente responsável por mapear imagens reais para o espaço latente, possibilitando a reconstrução dos rostos a partir de seus vetores latentes. Os resultados obtidos demonstraram gerações e reconstruções consistentes, evidenciando o potencial da metodologia para aplicações em síntese facial personalizada.

This work presents an approach to optimize the generation of individual faces using transfer learning based on the StyleGAN2 network. The objective is to reduce training time and avoid the need to start each facial generation from scratch while maintaining high quality in the generated images. An architecture was adapted and coupled to the pretrained generator, aiming to promote specialization, as well as the selective freezing of parts of the original generator and the discriminator to enable processing optimization. Subsequently, the approach was combined with an independent encoder responsible for mapping real images to the latent space, allowing the reconstruction of faces from their latent vectors. The obtained results demonstrated consistent generations and reconstructions, evidencing the potential of the methodology for personalized facial synthesis applications.