基于深度学习的神经艺术风格与颜色迁移
计算机视觉与模式识别
2025-08-13 v1 机器学习
摘要
神经艺术风格迁移将一幅图像的内容和风格表示与另一幅图像的风格进行融合。这使艺术家能够创作出独特创新的视觉效果，并增强艺术、设计和电影等各个领域的艺术表现力。颜色迁移算法是数字图像处理中的重要组成部分，它根据源图像中的颜色调整目标图像中的颜色信息。颜色迁移可增强电影和摄影中的图像和视频效果，并有助于图像校正。我们提出一种将神经艺术风格与颜色迁移相结合的方法。该方法使用Kullback-Leibler（KL）散度来定量评估原始图像与使用深度学习进行神经艺术风格迁移后的图像之间的颜色和亮度直方图匹配算法，包括Reinhard全局颜色迁移、迭代分布迁移（IDT）、带重新颗粒化的IDT、Cholesky和PCA。我们估计了颜色通道核密度。进行了各种实验以评估这些算法的KL散度及其在风格到内容迁移中的颜色直方图。
引用
@article{arxiv.2508.08608,
title = {Neural Artistic Style and Color Transfer Using Deep Learning},
author = {Justin London},
journal= {arXiv preprint arXiv:2508.08608},
year = {2025}
}