HyperNST：用于神经风格迁移的超网络
计算机视觉与模式识别
2022-08-10 v1
摘要
我们提出 HyperNST；一种基于超网络与 StyleGAN2 架构的图像艺术风格化神经风格迁移（NST）技术。我们的贡献是一种新颖的由度量空间参数化并驱动风格迁移的方法，该度量空间为基于风格的视觉搜索（SBVS）而预训练。我们首次展示此类空间可用于驱动 NST，从而实现来自 SBVS 系统风格的应用与插值。技术贡献是一个超网络，它预测对在一广泛艺术内容（肖像）上预训练的 StyleGAN2 的权重更新，并使用面部区域的语义图在逐区域基础上定制风格参数化。我们展示 HyperNST 在我们风格化内容上的内容保持超越 SOTA，同时保留良好的风格迁移性能。
引用
@article{arxiv.2208.04807,
title = {HyperNST: Hyper-Networks for Neural Style Transfer},
author = {Dan Ruta and Andrew Gilbert and Saeid Motiian and Baldo Faieta and Zhe Lin and John Collomosse},
journal= {arXiv preprint arXiv:2208.04807},
year = {2022}
}