从A到Z：利用深度神经网络生成器的风格与内容监督迁移
计算机视觉与模式识别
2016-03-08 v1
摘要
我们提出一种新的神经网络架构以解决单图像类比问题——仅从单个输入图像生成一整组风格相似的图像。解决该问题需要将图像风格与内容分离。我们的网络是一种改进的变分自编码器（VAE），支持单图像类比的监督训练，并在网络内使用捕获像素协方差的结构化相似性目标对输出进行评估。在从单个示例字母生成 62 个字母字体的挑战性任务上，我们生成的图像与真实值的差异比最先进水平低 22.4%。
引用
@article{arxiv.1603.02003,
title = {From A to Z: Supervised Transfer of Style and Content Using Deep Neural Network Generators},
author = {Paul Upchurch and Noah Snavely and Kavita Bala},
journal= {arXiv preprint arXiv:1603.02003},
year = {2016}
}