可变形风格迁移
计算机视觉与模式识别
2020-07-21 v2 图形学
机器学习
摘要
几何与纹理都是视觉风格的基本方面。然而，现有风格迁移方法主要关注纹理，几乎完全忽略几何。我们提出可变形风格迁移（DST），一种基于优化的方法，联合对内容图像的纹理与几何进行风格化，以更好地匹配风格图像。与以往几何感知的风格化方法不同，我们的方法既不局限于特定领域（如人脸），也不需配对的风格/内容训练集。我们在包括肖像、动物、物体、场景和绘画的多样化内容图像与风格图像上展示了我们的方法。代码已公开于 https://github.com/sunniesuhyoung/DST。
引用
@article{arxiv.2003.11038,
title = {Deformable Style Transfer},
author = {Sunnie S. Y. Kim and Nicholas Kolkin and Jason Salavon and Gregory Shakhnarovich},
journal= {arXiv preprint arXiv:2003.11038},
year = {2020}
}
备注
ECCV 2020 (21 pages, 11 figures including the supplementary material)