一种灵活卷积求解器及其在写实风格迁移中的应用
计算机视觉与模式识别
2018-06-15 v1
摘要
我们提出一种新的灵活深度卷积神经网络 (convnet) 以执行快速视觉风格迁移。与解决同一任务的现有 convnet 不同，我们的架构直接源自最初用于求解风格迁移问题的梯度下降结构 [Gatys et al., 2016]。如同现有 convnet，我们的网络比梯度下降快得多地近似求解原问题。然而，我们的网络在设计上独具灵活性：它可在运行时被操控以对最终解施加新约束。特别地，我们展示如何修改它以在无需重训练的情况下获得写实结果。我们研究了 [Luan et al., 2017] 对 [Gatys et al., 2016] 原始代价函数的修改以实现写实风格迁移。这些修改直接影响梯度下降，并可在我们的网络中即时体现。这些修改之所以可行，是因为所提架构源于梯度下降的展开。
引用
@article{arxiv.1806.05285,
title = {A Flexible Convolutional Solver with Application to Photorealistic Style Transfer},
author = {Gilles Puy and Patrick Pérez},
journal= {arXiv preprint arXiv:1806.05285},
year = {2018}
}