用于连续图像效果过渡的深度网络插值
计算机视觉与模式识别
2018-11-27 v1
摘要
深度卷积神经网络已证明其学习所需图像效果的确定性映射的能力。然而，用户偏好的多样性促使了在不同输出效果之间进行连续过渡的可能性。与现有需要特定设计以实现某一特定过渡（例如风格迁移）的方法不同，我们提出了一种简单而通用的方案，以在许多底层视觉任务中实现多样图像效果的平滑控制，包括图像复原、图像到图像翻译和风格迁移。具体而言，我们的方法即深度网络插值(DNI)，在两个或多个相关网络的参数空间上应用线性插值。通过调整插值系数，可实现图像效果的平滑控制。除DNI及其广泛应用外，我们还从所学滤波器的角度研究了网络插值的机制。
引用
@article{arxiv.1811.10515,
title = {Deep Network Interpolation for Continuous Imagery Effect Transition},
author = {Xintao Wang and Ke Yu and Chao Dong and Xiaoou Tang and Chen Change Loy},
journal= {arXiv preprint arXiv:1811.10515},
year = {2018}
}
备注
Technical report