用于实时风格迁移与超分辨率的感知损失
计算机视觉与模式识别
2016-03-29 v1 机器学习
摘要
我们考虑图像变换问题，其中输入图像被变换为输出图像。此类问题的最近方法通常使用输出与真实图像之间的\emph{逐像素}（per-pixel）损失来训练前馈卷积神经网络。并行工作表明，通过定义和优化基于从预训练网络提取的高层特征的\emph{感知}（perceptual）损失函数，可以生成高质量图像。我们结合两种方法的优点，提出使用感知损失函数训练前馈网络用于图像变换任务。我们展示了在图像风格迁移上的结果，其中训练前馈网络实时求解 Gatys 等人提出的优化问题。与基于优化的方法相比，我们的网络给出相似的定性结果但快三个数量级。我们还尝试了单图像超分辨率，其中用感知损失替换逐像素损失给出了视觉上令人愉悦的结果。
引用
@article{arxiv.1603.08155,
title = {Perceptual Losses for Real-Time Style Transfer and Super-Resolution},
author = {Justin Johnson and Alexandre Alahi and Li Fei-Fei},
journal= {arXiv preprint arXiv:1603.08155},
year = {2016}
}