非参数风格迁移
计算机视觉与模式识别
2022-06-28 v1
摘要
近期任意图像风格迁移的前馈神经方法主要利用编码特征图直至其二阶统计量,即线性变换内容图像的编码特征图使其具有与目标风格特征图相同的均值和方差(或协方差)。本工作中,基于图像风格由感受野响应的分布表示的认知,我们将二阶统计特征匹配推广为一般分布匹配。为此,首先,我们提出一种新的特征变换层,精确将内容图像的特征图分布匹配至目标风格图像的分布。其次,我们分析近期与我们的新特征变换层一致的风格损失,以训练从变换特征图生成风格迁移图像的解码器网络。基于实验结果,证明用我们的方法获得的风格化图像在所有现有风格度量上更相似于目标风格图像,且不损失内容清晰度。
引用
@article{arxiv.2206.12921,
title = {Non-Parametric Style Transfer},
author = {Jeong-Sik Lee and Hyun-Chul Choi},
journal= {arXiv preprint arXiv:2206.12921},
year = {2022}
}