基于深度特征重排的任意风格迁移
计算机视觉与模式识别
2018-06-21 v4
摘要
本文提出了一种通过对风格图像的深度特征（即置换特征图的空间位置）进行重排来实现任意风格迁移的新方法。我们从理论上证明，基于重排的新风格损失连接了大多数参数化与非参数化神经风格迁移方法分别使用的全局与局部风格损失。这一简单思路能有效解决现有风格迁移方法中的挑战性问题。一方面，与神经参数化方法相比，它可避免局部风格图案的畸变，并实现语义级迁移。另一方面，与神经非参数化方法相比，它能保持与风格图像全局相似的外观，并避免褪色伪影。基于所提出的损失，我们还给出了一种渐进的特征域优化方法。实验表明，我们的方法广泛适用于多种风格，且产生比现有方法更优的质量。
引用
@article{arxiv.1805.04103,
title = {Arbitrary Style Transfer with Deep Feature Reshuffle},
author = {Shuyang Gu and Congliang Chen and Jing Liao and Lu Yuan},
journal= {arXiv preprint arXiv:1805.04103},
year = {2018}
}