Makeup transfer妆容迁移，常用于将参考图像的妆容迁移到目标人脸上。实际上也是一种风格迁移。下面整理了几篇妆容迁移的论文。
1. 2018CVPR：PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup
基于cycleGAN来进行上妆或者去妆。不要求成对的数据训练，值得注意的是，上妆的G输入不仅仅是素颜图像，包括妆后参照图像。其中训练时要眼、鼻、嘴、眉毛等切图像块，最后再用泊松融合。
2. BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network
主页：http://liusi-group.com/projects/BeautyGAN
3. BEHOLDER-GAN: GENERATION AND BEAUTIFICATION OF FACIAL IMAGES WITH CONDITIONING ON THEIR BEAUTY LEVEL
作者训练了一个可以根据“颜值分数”生成人脸的模型。另外，提出的方法也可以美化人脸，提高颜值。
4. Disentangled Makeup Transfer with Generative Adversarial Network
关注的点更多，如上妆的多样性等。
5. PSGAN: Pose-Robust Spatial-Aware GAN for Customizable Makeup Transfer
关注不同姿态/脸部朝向上妆的鲁棒性。
6. Semi-supervised Eye Makeup Transfer by Swapping Learned Representation
关注眼妆，并专门制作了一个眼妆数据集。
7. LADN: Local Adversarial Disentangling Network forFacial Makeup and De-Makeup
关注生成更高质量细节，多个重叠、局部判别器进行对抗训练。
8. 2019 CVPR BeautyGlow: On-Demand Makeup Transfer Framework with Reversible Generative Network
用的不是GAN而是Glow来做，作者认为这样可以按需更精准地把控妆容程度。
