基于快速分块匹配的任意风格迁移
计算机视觉与模式识别
2016-12-14 v1 图形学
机器学习
摘要
艺术风格迁移是一个图像合成问题，其目标是用另一图像的风格再现某一图像的内容。近期研究表明，通过使用预训练卷积神经网络的隐藏层激活，可以实现视觉上引人入胜的风格迁移。然而，现有方法要么（i）采用一种适用于任意风格图像但计算代价极高的优化过程，要么（ii）使用一种高效的前馈网络，但仅允许有限数量的已训练风格。本文中，我们提出了一种基于局部匹配的更简单优化目标，该目标在预训练网络的单一层中结合了内容结构与风格纹理。我们证明，该目标具有诸多理想特性，例如更简单的优化地形、直观的参数调节，以及在视频上逐帧一致的性能。此外，我们使用 80,000 张自然图像和 80,000 张绘画来训练一个逆向网络，以逼近该优化的结果。由此得到一种高效的艺术风格迁移方法，同时允许任意的内容与风格图像。
引用
@article{arxiv.1612.04337,
title = {Fast Patch-based Style Transfer of Arbitrary Style},
author = {Tian Qi Chen and Mark Schmidt},
journal= {arXiv preprint arXiv:1612.04337},
year = {2016}
}