少样本跨风格合成
利用非目标素描风格的样本，通过教师-学生蒸馏与域内适配，在极少目标样本下实现照片到指定风格素描的映射。
Lu, Dan · 陈振学 · 刘成云 · Yuchen, Hu · 蔡磊 · Jonathan Wu Q.M.
IEEE Transactions on Information Forensics and Security 2025
在少样本设置下，PDGR不仅优于先前少样本方法，还超越了使用全量数据训练的最先进FSS模型。
利用其他风格素描样本辅助训练，提升从源域到目标域的映射能力，突破仅依赖目标样本的限制。
设计双重训练路径和域方向三重损失，在少样本适配阶段保持个体特征并增强细节表示。