Avatar-Net：基于特征装饰的多尺度零样本风格迁移
计算机视觉与模式识别
2018-05-23 v2
摘要
零样本艺术风格迁移是一项重要的图像合成问题，旨在将任意风格迁移到内容图像中。然而，现有方法中泛化性与效率之间的权衡阻碍了实时高质量零样本风格迁移的实现。本文中，我们解决了这一困境，并提出一种高效且有效的 Avatar-Net，能够对任意风格实现视觉上合理的多尺度迁移。我们方法的关键组件是一个风格装饰器，它利用来自任意风格图像的语义对齐风格特征来补全内容特征，这不仅在整体上匹配了它们的特征分布，还保留了装饰特征中细致的风格图案。通过将此模块嵌入到融合多尺度风格抽象的图像重建网络中，Avatar-Net 在单次前馈过程中即可为任意风格图像渲染多尺度风格化。我们展示所提方法在生成高质量风格化图像方面具有 SOTA 的有效性与效率，并给出一系列应用，包括多风格融合、视频风格化等。
引用
@article{arxiv.1805.03857,
title = {Avatar-Net: Multi-scale Zero-shot Style Transfer by Feature Decoration},
author = {Lu Sheng and Ziyi Lin and Jing Shao and Xiaogang Wang},
journal= {arXiv preprint arXiv:1805.03857},
year = {2018}
}
备注
Accepted at CVPR 2018