DRB-GAN：一种用于艺术风格迁移的动态残差块生成对抗网络
计算机视觉与模式识别
2021-10-05 v3 图像与视频处理
摘要
本文提出一种用于艺术风格迁移的动态残差块生成对抗网络（DRB-GAN）。风格码被建模为连接风格编码网络与风格迁移网络的动态残差块（Dynamic ResBlock）的共享参数。在风格编码网络中，使用风格类别感知注意力机制来关注风格特征表示以生成风格码。在风格迁移网络中，设计多个动态残差块以整合风格码与提取的 CNN 语义特征，随后送入空间窗口层-实例归一化（SW-LIN）解码器，从而实现具有艺术风格迁移的高质量合成图像。此外，设计了风格集合条件判别器，使我们的 DRB-GAN 模型在训练阶段同时具备任意风格迁移与集合风格迁移的能力。无论对于任意风格迁移还是集合风格迁移，大量实验有力地证明了我们所提 DRB-GAN 优于最先进方法，并在视觉质量与效率上展现出优越性能。我们的源代码发布于 \color{magenta}{\url{https://github.com/xuwenju123/DRB-GAN}}。
引用
@article{arxiv.2108.07379,
title = {DRB-GAN: A Dynamic ResBlock Generative Adversarial Network for Artistic Style Transfer},
author = {Wenju Xu and Chengjiang Long and Ruisheng Wang and Guanghui Wang},
journal= {arXiv preprint arXiv:2108.07379},
year = {2021}
}
备注
Accepted to 2021 International Conference on Computer Vision (ICCV2021)