ArtFID：神经风格迁移的定量评估

神经风格迁移领域经历了研究热潮，探索了从基于优化的方法、前馈模型到元学习方法的不同途径。所开发的技术不仅推动了风格迁移领域的发展，也在计算机视觉的其他领域（如所有视觉合成）取得了突破。然而，尽管定量评估与基准测试已成为计算机视觉研究的支柱，风格迁移模型的可复现定量评估仍然缺失。即便与其他已存在广泛使用指标的视觉合成领域相比，风格迁移的定量评估仍显滞后。为支持不同风格迁移方法的自动比较并研究其各自优劣，该领域将极大受益于风格化性能的定量度量。因此，我们提出一种方法来补充当前以定性为主的评估方案。我们提供了大量评估与大规模用户研究，表明所提指标与人工判断高度一致。