基于度量学习与生成对抗网络的动画风格空间探索
计算机视觉与模式识别
2018-05-22 v1 机器学习
摘要
基于深度学习的图像间风格迁移近来已成为热门研究领域。编码“风格”的常用方式是通过基于某预训练神经网络提取特征的Gram矩阵或其他形式的特征统计的特征表示。此类定义基于任意的人类决策，可能并未最好地捕捉风格的本质。为更好地理解“风格”，我们提出一种基于度量学习的方法以显式编码艺术作品的风格。具体而言，我们对风格的定义捕捉了不同艺术家之间的差异（如分类性能所示），并且该风格表示可通过风格条件图像生成经由生成对抗网络（Generative Adversarial Network, GAN）进行解释、操控与可视化。我们采用该方法探索动画肖像插画的风格空间。
引用
@article{arxiv.1805.07997,
title = {Anime Style Space Exploration Using Metric Learning and Generative Adversarial Networks},
author = {Sitao Xiang and Hao Li},
journal= {arXiv preprint arXiv:1805.07997},
year = {2018}
}