CLIPstyler：基于单一文本条件的图像风格迁移

现有的神经风格迁移方法需要参考风格图像，以将风格图像的纹理信息迁移到内容图像。然而，在许多实际场景中，用户可能没有参考风格图像，但仍希望通过想象来迁移风格。为应对此类应用，我们提出了一种新框架，无需风格图像、仅通过所需风格的文本描述即可实现风格迁移。利用 CLIP 的预训练文本-图像嵌入模型，我们展示了仅用单一文本条件对内容图像风格进行调制。具体而言，我们提出了一种带多视角增强的块级文本-图像匹配损失，以实现逼真的纹理迁移。大量实验结果证实了成功的图像风格迁移，其逼真纹理反映了语义查询文本。