基于双整流流的免逆风格迁移
计算机视觉与模式识别
2025-11-27 v1
摘要
风格迁移是图像处理中的一项关键任务，通过将逼真的内容与艺术风格无缝融合，生成视觉上引人入胜的图像，在照片编辑和创意设计中具有广泛应用。尽管近年来主流的免训练基于扩散的方法极大地推动了风格迁移的发展，但它们对计算密集型逆过程的依赖损害了效率，并在逆过程不准确时引入视觉失真。为解决这些局限，我们提出了一种新颖的基于双整流流的免逆风格迁移框架，该框架仅通过前向传播，解决了从两个不同输入（内容和风格图像）中寻找未知风格化分布的挑战。我们的方法并行预测内容和风格轨迹，然后通过动态中点插值将它们融合，该插值整合了来自两条路径的速度，同时适应不断演变的风格化图像。通过联合建模内容、风格和风格化分布，我们的速度场设计实现了稳健的融合，并避免了简单叠加的缺点。注意力注入进一步引导风格整合，增强了视觉保真度、内容保留和计算效率。大量实验证明了该方法在多种风格和内容上的泛化能力，为风格迁移提供了一条有效且高效的流程。
引用
@article{arxiv.2511.20986,
title = {Inversion-Free Style Transfer with Dual Rectified Flows},
author = {Yingying Deng and Xiangyu He and Fan Tang and Weiming Dong and Xucheng Yin},
journal= {arXiv preprint arXiv:2511.20986},
year = {2025}
}