人人都是漫画家：基于注意力对抗网络的自拍卡通化
计算机视觉与模式识别
2019-04-30 v1 机器学习
机器学习
摘要
自拍与卡通是日常生活中广泛存在的两种流行艺术形式。尽管图像翻译/风格化已取得巨大进展，少有技术专门聚焦于自拍卡通化，因为卡通图像通常包含艺术抽象（如大面积平滑区域）与夸张（如大号/精致眉毛）。本文中，我们通过提出一种自拍卡通化生成对抗网络（scGAN）来解决此问题，其主要采用注意力对抗网络（AAN）以强调特定面部区域并忽略低级细节。更具体地，我们首先设计一种类循环架构以实现非配对数据的训练。随后我们从不同方面设计三种损失。总变分损失用于突出卡通肖像中的重要边缘与内容。添加注意力循环损失以更多强调眼睛等精致面部区域。此外，包含感知损失以消除伪影并提升方法的鲁棒性。实验结果表明，我们的方法能够生成不同卡通风格，并优于若干最先进（state-of-the-art）方法。
引用
@article{arxiv.1904.12615,
title = {Everyone is a Cartoonist: Selfie Cartoonization with Attentive Adversarial Networks},
author = {Xinyu Li and Wei Zhang and Tong Shen and Tao Mei},
journal= {arXiv preprint arXiv:1904.12615},
year = {2019}
}