几何风格迁移

神经风格迁移（NST）将输入图像以另一图像的风格进行渲染，近年来取得了显著进展。该领域的研究一直以颜色和纹理方面的迁移为主，然而这些因素仅是风格的一个组成部分。风格的其他因素包括构图、所用的投影系统，以及艺术家扭曲和弯折物体的方式。我们的贡献是引入一种支持几何风格迁移的神经架构。不同于该领域近期工作，我们的独特之处在于具有通用性，不受语义内容限制。该新架构运行于迁移纹理风格的网络之前，使我们能够将纹理迁移至扭曲图像上。这种网络形式带来了第二项创新：我们扩展了NST输入范式。用户可如常输入内容/风格对，也可选择输入内容/纹理风格/几何风格三元组。这种三图像输入范式将风格分为两部分，从而为我们可生成的输出提供了显著更强的灵活性。我们提供了用户研究以展示输出质量，并量化了几何风格迁移对人类风格识别的重要性。