面向多艺术家风格迁移的各向异性笔触控制
计算机视觉与模式识别
2021-06-15 v2 人工智能
摘要
尽管艺术风格迁移已取得显著进展，但大多数现有方法通常难以以细粒度局部一致的方式保留语义信息，尤其当需要在单一模型中迁移多位艺术家的风格时。为规避此问题，我们提出了一种笔触控制多艺术家风格迁移框架。一方面，我们开发了多条件单生成器结构，首次实现多艺术家风格迁移。另一方面，我们设计了各向异性笔触模块（ASM），实现了非平凡区域与平凡区域之间风格笔触的动态调节。ASM赋予网络在不同风格间自适应语义一致性的能力。此外，我们提出了一种新颖的多尺度投影判别器，以实现纹理级条件生成。与单尺度条件判别器相比，我们的判别器能够捕获多尺度纹理线索，有效区分广泛的艺术风格。大量实验结果充分证明了我们方法的可行性与有效性。我们的框架仅需一个单一模型即可将照片转换为不同艺术风格的油画。此外，结果具有鲜明的艺术风格并保留了各向异性语义信息。代码已发布于github：https://github.com/neuralchen/ASMAGAN。
引用
@article{arxiv.2010.08175,
title = {Anisotropic Stroke Control for Multiple Artists Style Transfer},
author = {Xuanhong Chen and Xirui Yan and Naiyuan Liu and Ting Qiu and Bingbing Ni},
journal= {arXiv preprint arXiv:2010.08175},
year = {2021}
}
备注
ACMMM2020