利用深度强化学习控制神经风格迁移
计算机视觉与模式识别
2024-08-15 v1
摘要
控制神经风格迁移（NST）中的风格化程度有些棘手，因为它通常需要在超参数上进行手工设计。本文提出首个基于深度强化学习（RL）的架构，将一步式风格迁移拆分为针对 NST 任务的逐步过程。我们基于 RL 的方法倾向于在早期步骤保留内容图像更多的细节与结构，并在后期步骤合成更多风格图案。它是一种用户易于控制的风格迁移方法。此外，由于我们的基于 RL 的模型逐步执行风格化，它轻量且比现有的一步式深度学习（DL）模型具有更低的计算复杂度。实验结果证明了我们方法的有效性与鲁棒性。
引用
@article{arxiv.2310.00405,
title = {Controlling Neural Style Transfer with Deep Reinforcement Learning},
author = {Chengming Feng and Jing Hu and Xin Wang and Shu Hu and Bin Zhu and Xi Wu and Hongtu Zhu and Siwei Lyu},
journal= {arXiv preprint arXiv:2310.00405},
year = {2024}
}
备注
Accepted by IJCAI 2023. The contributions of Chengming Feng and Jing Hu to this paper were equal. arXiv admin note: substantial text overlap with arXiv:2309.13672