复制旧作还是重新绘制？一种用于（非）参数化图像风格化的对抗框架
计算机视觉与模式识别
2018-11-26 v1 机器学习
摘要
参数化生成深度模型是照片与非照片写实图像风格化的最先进方法。然而，学习复杂的图像表示需要由海量权重参数化的计算密集型模型，这反过来又需要大型数据集才能使学习成功。非参数化基于范例的生成是一种能够很好地从小数据集中复现风格的技术，但同样计算密集。这些方面对于数字 AI 艺术家的实践而言是一大缺陷：通常人们希望使用少量风格化图像，并需要一个快速灵活的模型以便进行实验。出于这一动机，我们的工作具有以下贡献：(i) 一种称为完全对抗马赛克（Fully Adversarial Mosaics, FAMOS）的新型风格化方法，它结合了参数化与非参数化方法的优势；(ii) 多项消融实验与图像示例，用于分析该方法并展示其能力；(iii) 将赋能艺术家与机器学习研究者使用并修改 FAMOS 的源代码。
引用
@article{arxiv.1811.09236,
title = {Copy the Old or Paint Anew? An Adversarial Framework for (non-) Parametric Image Stylization},
author = {Nikolay Jetchev and Urs Bergmann and Gokhan Yildirim},
journal= {arXiv preprint arXiv:1811.09236},
year = {2018}
}
备注
Accepted at the NIPS 2018 workshop on Machine Learning for Creativity and Design