基于单一深度网络的改进基于物体风格迁移
计算机视觉与模式识别
2024-04-16 v1 机器学习
摘要
本研究论文提出了一种利用单一深度卷积神经网络对物体进行图像到图像风格迁移的新方法。所提出的方法利用 You Only Look Once version 8（YOLOv8）分割模型和 YOLOv8 的骨干神经网络进行风格迁移。主要目标是通过无缝迁移艺术风格同时保留原始物体特征，来增强图像中物体的视觉吸引力。该方法的新颖之处在于将分割和风格迁移结合在单一深度卷积神经网络中。这种方法省去了对多个阶段或模型的需求，从而简化了模型在实际应用中的训练和部署。通过在两幅内容图像上应用不同的风格图像展示了该方法的结果。论文还展示了在同一图像中对多个物体进行风格迁移的能力。
引用
@article{arxiv.2404.09461,
title = {Improved Object-Based Style Transfer with Single Deep Network},
author = {Harshmohan Kulkarni and Om Khare and Ninad Barve and Sunil Mane},
journal= {arXiv preprint arXiv:2404.09461},
year = {2024}
}
备注
In Proceedings of the Fourth International Conference on Innovations in Computational Intelligence and Computer Vision