面向矢量图形的神经风格迁移
计算机视觉与模式识别
2023-03-08 v1
摘要
神经风格迁移引起了研究人员的关注，但兴趣集中在位图图像上。针对位图图像生成，已开发出多种在线与离线模型，支持任意风格与预训练风格。然而，矢量图像之间的风格迁移几乎未被考虑。我们的研究表明，由于矢量图元的结构与像素差异很大，应用标准的内容损失与风格损失对矢量图像绘制风格的改变微乎其微。为解决该问题，我们引入了新的损失函数。我们还提出了一种基于可微光栅化的新方法，利用这些损失函数，能够依据风格图像的绘制来调整内容图像的颜色与形状参数。定性实验表明，相较于最先进的位图图像神经风格迁移方法以及唯一已有的矢量图像风格化方法 DiffVG，所提出的 VectorNST 方法具有有效性。尽管所提模型未能达到位图图像间风格迁移的质量与平滑度，我们认为本研究是该领域重要的早期探索。VectorNST 代码与演示服务见 https://github.com/IzhanVarsky/VectorNST。
引用
@article{arxiv.2303.03405,
title = {Neural Style Transfer for Vector Graphics},
author = {Valeria Efimova and Artyom Chebykin and Ivan Jarsky and Evgenii Prosvirnin and Andrey Filchenkov},
journal= {arXiv preprint arXiv:2303.03405},
year = {2023}
}