IJCNN (International Joint Conference on Neural Networks) 是神经网络理论、分析和应用领域的首届国际会议，CCF-C类推荐会议，每年举办一次。今年，IJCNN会议将于2023年6月18至23日在澳大利亚昆士兰州黄金海岸会展中心举行。

该论文提出了将Transformer结构与当前最为火热的人脸生成模型StyleGAN进行融合以获得在几何与风格进行控制的新生成器结构Style-Former GAN，并在此基础上提出了无监督的解耦方法OpenSeFa。论文通过对比StyleGAN与Transformer结构，对比异同点，并分析了相似结构所起的作用。在新的Style-Former GAN中，引入了空间维度的Attention计算，并分析了Adain函数起到Channel Attention的作用。在空间维度Attention模块中，引入了Style-Conv Attention极大降低了训练时的模型参数并在保持原有精度的情况下，能够快速拟合。下面是该论文的主要框架图。

该论文的创新点主要有三个：

1. 提出了一种新的生成器Style - Former GAN ( SFGAN )，该生成器更侧重于字符的生成，忽略了背景等其他因素；

2. 我们设计了并行等线性块( PEB )，实现了不同高维之间的映射，并显著减少了训练参数的数量；

3. 我们开发了一种新的解纠缠算法语义因子分解(Open Semantic Factorization，OSF )，在观察到其他因素，即先前的潜在代码，也会影响StyleGAN中的语义向量方向。

大量的实验结果证明，我们的方法能够解耦出人脸的语义属性，并优于现有的一些方法。

该方法在AI换脸、拍照滤镜、元宇宙等方面都具有较高的应用价值。

特此向白云峰、黄欣、任鹏表示热烈的祝贺！希望大家再接再厉，争取发表更多更高质量的学术论文，扩大Web3D的国际影响力，在元宇宙时代大放异彩！