用于神经风格迁移的元网络
计算机视觉与模式识别
2017-09-14 v1
摘要
本文提出一种新方法，通过元网络的一次前馈传播获得指定的网络参数，并探索其在神经风格迁移中的应用。近期风格迁移工作通常需要为每个新风格训练图像变换网络，且风格通过大量随机梯度下降迭代编码在网络参数中。为解决这些问题，我们构建了一个元网络，输入风格图像并直接生成相应的图像变换网络。与针对每种风格基于优化的方法相比，我们的元网络在现代单块GPU上能在内处理任意新风格。由我们的元网络生成的快速图像变换网络仅有449KB，能够在移动设备上实时执行。我们还通过操作元网络的隐藏特征来研究风格迁移网络的流形。实验很好地验证了方法的有效性。代码与训练模型已发布于 https://github.com/FalongShen/styletransfer。
引用
@article{arxiv.1709.04111,
title = {Meta Networks for Neural Style Transfer},
author = {Falong Shen and Shuicheng Yan and Gang Zeng},
journal= {arXiv preprint arXiv:1709.04111},
year = {2017}
}