ArtFlow：基于可逆神经流的无偏图像风格迁移
计算机视觉与模式识别
2021-04-12 v2 图像与视频处理
摘要
通用风格迁移将参考图像中的风格保留在内容图像中。尽管现有方法已实现了最先进的风格迁移性能，但它们未意识到内容泄漏现象，即图像内容在经过若干轮风格化过程后可能发生损坏。本文提出 ArtFlow 以防止通用风格迁移中的内容泄漏。ArtFlow 由可逆神经流和无偏特征迁移模块组成。它支持前向和反向推理，并以投影-迁移-反转方案运行。前向推理将输入图像投影为深层特征，而反向推理以无损且无偏的方式将深层特征重映射回输入图像。大量实验表明，ArtFlow 在避免内容泄漏的同时，取得了与最先进风格迁移方法相当的性能。
引用
@article{arxiv.2103.16877,
title = {ArtFlow: Unbiased Image Style Transfer via Reversible Neural Flows},
author = {Jie An and Siyu Huang and Yibing Song and Dejing Dou and Wei Liu and Jiebo Luo},
journal= {arXiv preprint arXiv:2103.16877},
year = {2021}
}
备注
CVPR 2021 Accepted