通过形状匹配GAN的可控艺术文本风格迁移
计算机视觉与模式识别
2019-08-13 v2
摘要
艺术文本风格迁移是将源图像风格迁移至目标文本以创作艺术排印的任务。近期的风格迁移方法已考虑纹理控制以增强可用性。然而，在形状形变方面控制风格程度仍是一个重要的开放挑战。本文中，我们提出首个允许通过可调参数实时控制字形关键风格程度的文本风格迁移网络。我们的关键贡献是一种新颖的双向形状匹配框架，以在无配对真值情况下于各种形变层级建立有效的字形-风格映射。基于该思想，我们提出一个尺度可控模块，使单一网络能连续刻画风格图像的多尺度形状特征并将这些特征迁移至目标文本。所提方法在生成多样、可控且高质量的风格化文本上展示了相对于先前SOTA方法的优越性。
引用
@article{arxiv.1905.01354,
title = {Controllable Artistic Text Style Transfer via Shape-Matching GAN},
author = {Shuai Yang and Zhangyang Wang and Zhaowen Wang and Ning Xu and Jiaying Liu and Zongming Guo},
journal= {arXiv preprint arXiv:1905.01354},
year = {2019}
}
备注
Accepted by ICCV 2019. Code is available at https://williamyang1991.github.io/projects/ICCV2019/SMGAN.html