用于实时高清风格迁移的风格感知内容损失
计算机视觉与模式识别
2018-07-31 v2
摘要
近年来，风格迁移受到了广泛关注。尽管大量研究致力于加速处理过程，这些方法从艺术史的原理性视角来看仍有所欠缺：风格不仅仅是单幅图像或某位艺术家，而以往工作仅限于单一风格实例或未能从更多图像中获益。此外，以往工作依赖于在 RGB 图像域中直接比较艺术作品或依赖于在 ImageNet 上预训练的 CNN，这需要数百万标注的目标边界框，并可能引入额外偏差，因为其构建并未考虑艺术因素。为规避这些问题，我们提出了一种风格感知内容损失，它与一个深度编码器-解码器网络联合训练，用于图像和视频的实时高分辨率风格化。我们提出了一种评估风格化图像质量的定量度量，并邀请艺术史学家对我们方法与以往工作的图像块进行排序。这些以及我们从微小图像块到百万像素风格化图像和视频的定性结果表明，我们的方法更好地捕捉了风格影响内容的微妙本质。
引用
@article{arxiv.1807.10201,
title = {A Style-Aware Content Loss for Real-time HD Style Transfer},
author = {Artsiom Sanakoyeu and Dmytro Kotovenko and Sabine Lang and Björn Ommer},
journal= {arXiv preprint arXiv:1807.10201},
year = {2018}
}
备注
Accepted at ECCV18 (Oral)