面向中国传统绘画的神经抽象风格迁移

中国传统绘画是世界上最具历史价值的艺术品之一。因其美学吸引力，在东亚和东南亚广受欢迎。与西方艺术绘画相比，它通常在视觉上更为抽象且缺乏纹理。近年来，基于神经网络的风格迁移方法已展现出前景广阔且吸引人的结果，但这些结果主要集中于西方绘画。在神经风格迁移中保持抽象性仍是一个具有挑战性的问题。本文提出一种面向中国传统绘画的神经抽象风格迁移方法。该方法通过一种新颖的 MXDoG 引导滤波器（扩展高斯差分 Modified version of the eXtended Difference-of-Gaussians）和三个完全可微的损失项，以端到端方式联合学习保持抽象性及其他风格。据我们所知，关于中国传统绘画的神经风格迁移研究甚少。为推动该方向的研究，我们收集了一个包含多样真实感图像与中国传统绘画的新数据集。在实验中，所提方法在迁移中国传统绘画风格时比最先进的神经风格迁移方法展现出更具吸引力的风格化结果。