MuVieCAST：多视图一致的艺术风格迁移
计算机视觉与模式识别
2023-12-11 v1
摘要
我们介绍了MuVieCAST，一种模块化的多视图一致风格迁移网络架构，能够实现同一场景多个视角之间的一致风格迁移。该网络架构支持稀疏和密集视图，使其足够通用以处理广泛的多视图图像数据集。该方法由三个模块组成，分别执行与风格迁移相关的特定任务，即内容保留、图像变换和多视图一致性强制。我们在多个应用领域广泛评估了我们的方法，包括基于深度图的点云融合、网格重建和新视角合成。我们的实验表明，所提出的框架实现了卓越的风格化图像生成，在多个视角上展现出一致的结果。一项专注于新视角合成的用户研究进一步证实了这些结果，大约68%的案例中参与者更喜欢我们生成的输出，而不是最近的最先进方法。我们的模块化框架是可扩展的，可以轻松地与各种骨干架构集成，使其成为多视图风格迁移的灵活解决方案。更多结果展示在我们的项目页面：muviecast.github.io
引用
@article{arxiv.2312.05046,
title = {MuVieCAST: Multi-View Consistent Artistic Style Transfer},
author = {Nail Ibrahimli and Julian F. P. Kooij and Liangliang Nan},
journal= {arXiv preprint arXiv:2312.05046},
year = {2023}
}