基于二次势的艺术家风格迁移
计算机视觉与模式识别
2019-03-06 v2 机器学习
机器学习
摘要
本文研究艺术家风格迁移问题，即将给定艺术家的绘画风格应用于真实世界照片。我们通过近期提出的二次势散度（quadratic potential divergence）以对抗方式训练神经网络，从而实现稳定的学习过程。为进一步提升所生成艺术家风格化图像的质量，我们还在方法中集成了一些近期提出的深度学习技术。据我们所知，这是首次尝试通过二次势散度进行艺术家风格迁移。我们在补充材料中提供了一些风格化图像样本。实验源代码使用 PyTorch 编写，并已在我的 GitHub 仓库中在线公开。
引用
@article{arxiv.1902.11108,
title = {Artist Style Transfer Via Quadratic Potential},
author = {Rahul Bhalley and Jianlin Su},
journal= {arXiv preprint arXiv:1902.11108},
year = {2019}
}
备注
8 pages, 3 figures, uses nips_2018.sty, renamed the network to CycleGAN-QP for maintaining consistency with work