使用混合部分卷积改进掩码样式迁移
计算机视觉与模式识别
2025-08-11 v1
摘要
艺术样式迁移长期以来一直可以借助卷积和变换器基础神经网络的进步而实现。大多数算法将样式迁移应用于整幅图像，但个体用户可能仅需将样式迁移应用于图像的特定区域。标准做法是对风格化后的图像进行简单掩码处理。本工作表明，这种方法倾向于错误地捕获感兴趣区域的样式特征。我们提出一种基于部分卷积的样式迁移网络，准确地将样式特征仅应用于感兴趣的区域。此外，我们提出网络内部的混合技术，以解决区域选择的不完美问题。我们通过来自 SA-1B 数据集的示例表明，这在视觉和量化上均显著改善了样式迁移。代码已公开available at https://github.com/davidmhart/StyleTransferMasked。
引用
@article{arxiv.2508.05769,
title = {Improving Masked Style Transfer using Blended Partial Convolution},
author = {Seyed Hadi Seyed and Ayberk Cansever and David Hart},
journal= {arXiv preprint arXiv:2508.05769},
year = {2025}
}