连贯的在线视频风格迁移

训练前馈网络以实现图像的快速神经风格迁移已被证明是成功的。然而，将其简单扩展为逐帧处理视频容易产生闪烁的结果。我们提出了首个用于在线视频风格迁移的端到端网络，该网络能够近实时地生成时间上连贯的风格化视频序列。两个核心思想包括：通过引入短期连贯性来构建高效网络，以及将短期连贯性传播至长期，从而确保在较长时间段内的一致性。我们的网络可以结合不同的图像风格化网络。我们表明，所提出的方法在定性和定量上均明显优于逐帧基线方法。此外，它在视觉连贯性上可以达到与基于优化的视频风格迁移相当的效果，但在运行时间上快了三个数量级。