CAP-VSTNet：保持内容亲和力的通用风格迁移
计算机视觉与模式识别
2023-04-03 v1 机器学习
图像与视频处理
摘要
特征亲和与像素亲和等内容亲和损失是导致逼真风格迁移与视频风格迁移中产生伪影的主要问题。本文提出一种名为 CAP-VSTNet 的新框架，由一种新的可逆残差网络与一个无偏线性变换模块组成，用于通用风格迁移。该可逆残差网络不仅能保持内容亲和力，且不会像传统可逆网络那样引入冗余信息，从而有助于更好的风格化。借助能够解决由线性变换引起的像素亲和损失问题的 Matting Laplacian 训练损失，所提框架在通用风格迁移上适用且有效。大量实验表明，与当前最优（SOTA）方法相比，CAP-VSTNet 能取得更好的定性与定量结果。
引用
@article{arxiv.2303.17867,
title = {CAP-VSTNet: Content Affinity Preserved Versatile Style Transfer},
author = {Linfeng Wen and Chengying Gao and Changqing Zou},
journal= {arXiv preprint arXiv:2303.17867},
year = {2023}
}
备注
CVPR 2023