起草与修订：用于快速高质量艺术风格迁移的拉普拉斯金字塔网络
计算机视觉与模式识别
2021-04-20 v2 图像与视频处理
摘要
艺术风格迁移旨在将示例图像的风格迁移至内容图像。当前，基于优化的方法已取得了极佳的风格化质量，但高昂的时间成本限制了其实际应用。同时，前馈方法仍未能合成复杂风格，尤其当存在整体全局与局部模式时。受绘制草稿并修订细节这一常见绘画过程启发，我们引入一种名为拉普拉斯金字塔网络（LapStyle）的新颖前馈方法。LapStyle 首先通过起草网络在低分辨率下迁移全局风格模式。随后其通过修订网络在高分辨率下修订局部细节，该网络根据草稿与经拉普拉斯滤波提取的图像纹理幻构出残差图像。通过堆叠具有多个拉普拉斯金字塔层级的修订网络，可轻松生成更高分辨率的细节。最终的风格化图像通过聚合所有金字塔层级的输出获得。实验表明，我们的方法能实时合成高质量风格化图像，其中整体风格模式被恰当迁移。
引用
@article{arxiv.2104.05376,
title = {Drafting and Revision: Laplacian Pyramid Network for Fast High-Quality Artistic Style Transfer},
author = {Tianwei Lin and Zhuoqi Ma and Fu Li and Dongliang He and Xin Li and Errui Ding and Nannan Wang and Jie Li and Xinbo Gao},
journal= {arXiv preprint arXiv:2104.05376},
year = {2021}
}
备注
Accepted by CVPR 2021. Codes will be released soon on https://github.com/PaddlePaddle/PaddleGAN/