学习操作艺术图像
计算机视觉与模式识别
2024-01-26 v1 人工智能
摘要
计算机视觉的最新进展显著降低了艺术创作的门槛。基于示例的图像翻译方法因其灵活性和可控性而备受关注。然而，这些方法对语义有假设或需要语义信息作为输入，而在艺术图像中准确的语义并不容易获得。此外，这些方法由于训练数据先验而遭受跨域伪影，并且由于空间域中的特征压缩而产生不精确的结构。在本文中，我们提出了一种任意风格图像操作网络（SIM-Net），它利用无语义信息作为指导，并以自监督方式采用区域传输策略进行图像生成。我们的方法在一定程度上平衡了计算效率和高分辨率。此外，我们的方法促进了零样本风格图像操作。定性和定量实验都证明了我们的方法优于最先进的方法。代码可在 https://github.com/SnailForce/SIM-Net 获取。
引用
@article{arxiv.2401.13976,
title = {Learning to Manipulate Artistic Images},
author = {Wei Guo and Yuqi Zhang and De Ma and Qian Zheng},
journal= {arXiv preprint arXiv:2401.13976},
year = {2024}
}