区域风格与颜色迁移
计算机视觉与模式识别
2024-11-14 v4 人工智能
机器学习
摘要
本文对区域风格迁移领域做出了新的贡献。现有方法通常存在将风格均匀应用于整个图像的缺点,导致风格不一致或前景对象(如人物)扭曲。为了解决这一限制,我们提出了一种新方法,利用分割网络精确分离输入图像中的前景对象。随后,仅对背景区域应用风格迁移。然后将分离的前景对象小心地重新集成到风格迁移后的背景中。为了增强前景和背景之间的视觉一致性,在重新集成之前对前景元素应用颜色迁移步骤。最后,我们利用羽化技术实现前景和背景的无缝融合,产生视觉统一且美观的最终构图。大量评估表明,与传统方法相比,我们提出的方法产生了更自然的风格变换。
引用
@article{arxiv.2404.13880,
title = {Regional Style and Color Transfer},
author = {Zhicheng Ding and Panfeng Li and Qikai Yang and Siyang Li and Qingtian Gong},
journal= {arXiv preprint arXiv:2404.13880},
year = {2024}
}
备注
Accepted by 2024 5th International Conference on Computer Vision, Image and Deep Learning