使用深度卷积神经网络与软掩码的自动语义风格迁移
计算机视觉与模式识别
2017-09-01 v1
摘要
本文提出了一种将示例图像的风格迁移到内容图像的自动图像合成方法。当使用标准的神经风格迁移方法时，风格图像中不同语义区域的纹理和颜色常常被不恰当地应用到内容图像上，忽略了其语义布局，从而破坏了迁移结果。为了减少或避免这种效应，我们提出了一种新方法，该方法基于自动分割对象并从风格和内容图像中提取其软语义掩码，以便在迁移风格的同时保留内容图像的结构。风格图像的每个软掩码代表风格图像的一个特定部分，对应于具有相同语义的内容图像的软掩码。软掩码和源图像均作为多通道输入提供给一个增强的深度卷积神经网络框架，该框架用于风格迁移并融合了生成式马尔可夫随机场（MRF）模型。在各种图像上的结果表明，我们的方法优于最新的技术。
引用
@article{arxiv.1708.09641,
title = {Automatic Semantic Style Transfer using Deep Convolutional Neural Networks and Soft Masks},
author = {Huihuang Zhao and Paul L. Rosin and Yu-Kun Lai},
journal= {arXiv preprint arXiv:1708.09641},
year = {2017}
}
备注
12 pages