神经立体图像风格迁移
计算机视觉与模式识别
2018-07-30 v4
摘要
神经风格迁移是一项新兴技术，能够为日常图像赋予吸引人的艺术风格。已有工作成功地将卷积神经网络（CNNs）应用于单目图像或视频的风格迁移。然而，立体图像的风格迁移仍是一块空白。与处理单目图像不同，风格化立体图像对的两个视图需保持一致，以为观察者提供舒适的视觉体验。本文中，我们提出一种新颖的双路径网络用于立体图像的视图一致风格迁移。虽然立体图像对的每个视图在独立路径中处理，但我们提出了一种新颖的特征聚合策略来有效共享两路径间的信息。除使用传统感知损失控制各视图的风格迁移质量外，还利用多层视图损失强制网络协调两条路径的学习以生成视图一致的风格化结果。大量实验表明，与以往方法相比，我们提出的模型能生成具有良好视图一致性的风格化立体图像。
引用
@article{arxiv.1802.09985,
title = {Neural Stereoscopic Image Style Transfer},
author = {Xinyu Gong and Haozhi Huang and Lin Ma and Fumin Shen and Wei Liu and Tong Zhang},
journal= {arXiv preprint arXiv:1802.09985},
year = {2018}
}