作者在人脸图像和对应漫画图像上手工标识了一组特征点。这些特征点是精心设计的，要便于在不同人脸之间对应。不同形状之间使用TPS(Thin Plane Spline)变形。

     系统包括训练和运行两个阶段。选练阶段，先手工建立特征点之间的对应关系，之后使用基于原型的形状夸张模型进行训练。运行阶段，对给定的输入人脸图像，使用ASM抽取人脸形状并使用形状夸张模型生成夸张结果。

  

形状夸张

    计算人脸图形与平均人脸图像的差异，同时计算对应的肖像漫画与平均肖像漫画之间的差异，通过学习来获得这两个差异值之间的变换关系。简单地使用一个全局比例参数并不能取得很好的结果。

    可以考虑使用K近邻(kNN: K-Nearest Neighbors)方法。kNN使用一个局部线性模型通过最小平方方法来计算一组系数。但是，使用欧几里德距离度量找到第k个近邻人脸可能会被艺术家用不同方式进行流夸张，这会使得漫画夸张结果变成不同夸张方向和夸张程度的均值，夸张效果未必好。另外，kNN方法计算的距离并不能反映艺术家所选择的特征，比如眼睛之间的距离。作者尝试了其他度量方法，但没有改善。因此文章中使用学习的方法来获得隐式的夸张规则。

    在该系统中，将具有相似夸张方向的一组训练数据定义为一个原型。每个原型对应于某个人脸特征的夸张风格，例如拉长人脸。基于训练数据，我们可以选择一组这样的原型来表示艺术家对不同夸张方向。之后，给定一个新的人脸输入图像后，我们要判断它最可能属于哪个原型，之后用于支持该原型的样本相同的方向进行夸张。这样就可以避免以前方法中出现的平均化效果。

  本系统使用的基于原型的形状夸张方法包含两个阶段：

  1）在训练阶段，首先分析人脸图像和相应漫画之间的相关性。之后，构造一组原型集。
  2）在运行阶段，首先将输入人脸归类为原型集中的某个原型。之后，根据所选择的原型对输入形状进行夸张。

基于原型的夸张：

   基于如下规则来选择夸张原型：每个原型都对应于某个人脸特征的夸张趋势；原型应该有足够的支持样本，这些样本在于原型相似的方向上进行了比较明显的夸张；完整滴原型集要能描述训练数据集中大多数夸张变化。


使用PLS进行夸张分析

   为了定义原型集，我们对正常滴形状空间和夸张后的形状空间应用PLS技术来找到面部特征的夸张趋势。


   PLS与PCA主成分分析很类似。但它并不是独立地处理输入和输出，而是在选择主成分时考虑两个空间的相关性。PLS迭代过程中，每一步抽取出一对分量。ui分量表示的不同夸张趋势与某个真实的人脸特征紧密相关。这对于原型系统非常重要。途中u2模式表示的事艺术家如何夸张面部特征：长和短的下巴。

 



   根据每个分量Ui来定义夸张原型，并使用样本在每个主分量方向上的投影来选择支持每个原型的样本。

  这个过程概括如下：
   1）使用PLS算法选择一对分量ti,ui
   2)根据分量ui定义两个相反夸张方向的原型
   3）分解形状差异空间
   4）重复上述步骤直到得到足够的分量

  系统定义了28个原型。

   输入形状的原型分类


   一旦将新的输入形状分类为一个原型后，使用局部线性模型来估计夸张后的部分，只适用该原型的样本。