CartoonRenderer：一种基于实例的多风格卡通图像翻译器
计算机视觉与模式识别
2019-11-15 v1
摘要
基于实例的照片卡通化是具有挑战性的图像风格化任务之一，旨在将真实照片转换为卡通风格图像，同时保留照片的语义内容。最先进的深度神经网络（DNNs）方法仍无法对野外输入照片产生令人满意的结果，尤其是对于高对比度且充满丰富纹理的照片。这是由于：卡通风格图像往往具有平滑的色块和强调的边缘，这与需要清晰语义内容（即纹理、形状等）的真实照片相矛盾。先前的方法难以同时满足卡通风格纹理并保留语义内容。本工作中，我们提出一种新颖的“CartoonRenderer”框架，利用单一训练模型生成多种卡通风格。简而言之，我们的方法将照片映射至特征模型，并将特征模型渲染回图像空间。具体而言，卡通化是通过在我们提出的 Soft-AdaIN 下于特征空间中进行变换操作实现的。大量实验结果表明，我们的方法比以往方法生成更高质量的卡通风格图像，且语义内容保留准确。此外，由于将整个生成过程解耦为“建模-协调-渲染”部分，我们的方法可轻松处理更高分辨率照片，而这是现有方法难以做到的。
引用
@article{arxiv.1911.06102,
title = {CartoonRenderer: An Instance-based Multi-Style Cartoon Image Translator},
author = {Yugang Chen and Muchun Chen and Chaoyue Song and Bingbing Ni},
journal= {arXiv preprint arXiv:1911.06102},
year = {2019}
}
备注
26th International Conference on Multimedia Modeling(MMM2020)