用于真实感风格迁移的高分辨率网络
计算机视觉与模式识别
2019-04-29 v1 图像与视频处理
摘要
真实感风格迁移旨在将一幅图像的风格迁移到另一幅图像上，同时保留内容图像原有的结构与细节轮廓，使内容图像在风格迁移后仍看起来像真实拍摄的。尽管已有一些真实感图像风格化方法被提出，这些方法容易丢失内容图像的细节并产生一些不规则的扭曲结构。本文中，我们使用高分辨率网络作为图像生成网络。与其他先降低分辨率再恢复高分辨率的方法相比，我们的生成网络在整个过程中保持高分辨率。通过将高分辨率子网络与低分辨率子网络并行连接并反复进行多尺度融合，高分辨率子网络能够持续接收来自低分辨率子网络的信息。这使得我们的网络丢弃的图像所含信息更少，因此生成的图像可能具有更精细的结构和更少的失真，这对视觉质量至关重要。我们进行了大量实验，并将结果与现有方法进行比较。实验结果表明我们的模型是有效的，并且在真实感图像风格化上产生了优于现有方法的结果。我们基于 PyTorch 框架的源代码将公开于 https://github.com/limingcv/Photorealistic-Style-Transfer
引用
@article{arxiv.1904.11617,
title = {High-Resolution Network for Photorealistic Style Transfer},
author = {Ming Li and Chunyang Ye and Wei Li},
journal= {arXiv preprint arXiv:1904.11617},
year = {2019}
}