基于条件对抗的神经艺术风格迁移
计算机视觉与模式识别
2023-02-09 v1 人工智能
信息检索
机器学习
摘要
神经艺术风格变换（NST）模型可通过添加著名图像的风格来改变简单图像的外观。尽管变换后的图像看起来并不精确如同对应风格图像的同一艺术家之作，所生成图像仍具吸引力。通常，训练好的 NST 模型专用于一种风格，且单张图像代表该风格。然而，在新风格下生成图像是繁琐过程，包括完整模型训练。本文提出两种方法，朝风格图像无关的神经网络风格迁移模型迈进。换言之，训练好的模型可在任意内容-风格图像输入对下生成语义准确的图像。我们的新颖贡献是一种单向 GAN 模型，其通过模型架构确保循环一致性。此外，这带来了小得多的模型规模与高效的训练及验证阶段。
引用
@article{arxiv.2302.03875,
title = {Neural Artistic Style Transfer with Conditional Adversaria},
author = {P. N. Deelaka},
journal= {arXiv preprint arXiv:2302.03875},
year = {2023}
}
备注
Conditional Adversarial Generative Network based novel style transfer model