艺术性任意风格迁移

任意风格迁移是一种利用内容图像和风格图像这两张图像生成新图像的技术。新产生的图像是未见过的，且由算法本身生成。平衡结构与风格成分一直是其他最先进算法试图解决的主要挑战。尽管付出了诸多努力，在保持一致性的同时，将最初创作于内容图像结构之上的艺术风格应用上去仍然是一项重大挑战。在本研究中，我们通过使用卷积神经网络的深度学习方法解决了这些问题。我们的实现首先使用预训练的 Detectron 2 模型从内容图像中提取前景与背景，然后应用 SANet 中使用的任意风格迁移技术。在获得两张带风格的图像后，我们将在风格迁移过程后将这两块图像拼接起来，以得到完整的最终图像。