DreamStyler：基于文本到图像扩散模型的风格反演绘画框架
计算机视觉与模式识别
2023-12-19 v2
摘要
近期大规模文本到图像模型取得了显著进展，并在艺术领域找到了多种应用。然而，仅依靠文本提示来表达艺术作品的独特特征（如笔触、色调或构图）可能因语言描述的内在局限而受限。为此，我们提出 DreamStyler，一种专为艺术图像合成设计的新型框架，擅长文本到图像合成与风格迁移。DreamStyler 通过上下文感知文本提示优化多阶段文本嵌入，从而获得优异的图像质量。此外，在内容与风格引导下，DreamStyler 可灵活适配多种风格参考。实验结果表明其在多种场景下具有卓越性能，显示出在艺术产品创作中的广阔潜力。
引用
@article{arxiv.2309.06933,
title = {DreamStyler: Paint by Style Inversion with Text-to-Image Diffusion Models},
author = {Namhyuk Ahn and Junsoo Lee and Chunggi Lee and Kunhee Kim and Daesik Kim and Seung-Hun Nam and Kibeom Hong},
journal= {arXiv preprint arXiv:2309.06933},
year = {2023}
}
备注
AAAI 2024