单次结构感知风格化图像合成

虽然基于 GAN 的模型在图像风格化任务中取得了成功，但在对广泛输入图像进行风格化时，它们往往难以保持结构。最近，扩散模型已被应用于图像风格化，但仍缺乏保持输入图像原始质量的能力。在此基础上，我们提出了 OSASIS：一种在结构保持方面具有鲁棒性的新型单次风格化方法。我们表明，OSASIS 能够有效地将图像的语义与结构解耦，从而控制给定输入中内容和风格的实施程度。我们将 OSASIS 应用于各种实验设置，包括使用域外参考图像的风格化以及文本驱动操纵的风格化。结果表明，OSASIS 优于其他风格化方法，特别是对于训练中极少遇到的输入图像，为基于扩散模型的风格化提供了一种有前景的解决方案。