P$^2$-GAN:基于单张风格图像的高效风格迁移
计算机视觉与模式识别
2020-01-31 v2 图像与视频处理
摘要
风格迁移是一种有用的图像合成技术,可将给定图像重新渲染为另一种艺术风格,同时保留其内容信息。生成对抗网络(GAN)是面向该任务被广泛采用的框架,因其对局部风格图案的表示能力优于传统的基于 Gram 矩阵的方法。然而,多数先前方法依赖足量预收集的风格图像来训练模型。本文提出一种新颖的块排列 GAN(P-GAN)网络,可从单张风格图像高效学习笔触风格。我们利用块排列从给定风格图像生成多个训练样本,设计了一种可无缝同时处理块级图像与自然图像的块判别器,并提出了基于局部纹理描述子的准则来定量评估风格迁移质量。实验结果表明,与许多 SOTA 方法相比,我们的方法能从单张风格图像生成更精细的重新渲染结果,且计算效率更高。
引用
@article{arxiv.2001.07466,
title = {P$^2$-GAN: Efficient Style Transfer Using Single Style Image},
author = {Zhentan Zheng and Jianyi Liu},
journal= {arXiv preprint arXiv:2001.07466},
year = {2020}
}
备注
5 pages, 5 figures