基于一致性损失的照片风格迁移
计算机视觉与模式识别
2020-05-12 v1
摘要
我们处理两张照片之间的风格迁移问题，并提出了一种保持真实感的新方法。利用作为输入的唯一可用照片对，我们训练一对深度卷积网络（convnets），每个网络将一张照片的风格迁移到另一张上。为强制保持真实感，我们通过结合循环一致性损失与自一致性损失引入了内容保持机制。实验结果表明，该方法不存在在相同设定下工作的方法中观察到的典型伪影。我们随后进一步分析了这些训练好的卷积网络的一些性质。首先，我们注意到它们可用于以相同已知风格对其它未见图像进行风格化。其次，我们展示仅重新训练网络参数的一小部分就足以使这些卷积网络适应新风格。
引用
@article{arxiv.2005.04408,
title = {Photo style transfer with consistency losses},
author = {Xu Yao and Gilles Puy and Patrick Pérez},
journal= {arXiv preprint arXiv:2005.04408},
year = {2020}
}