RLMiniStyler：面向任意序列神经风格生成的轻量级强化学习风格智能体
计算机视觉与模式识别
2025-05-08 v1
摘要
任意风格迁移旨在将任意给定艺术图像的风格应用于另一幅内容图像。然而，现有的基于深度学习的方法通常需要巨大的计算成本才能生成多样化的风格化结果。受此启发，我们提出了一种用于任意风格迁移的新型基于强化学习的框架 RLMiniStyler。该框架利用统一的强化学习策略，通过探索和利用风格化反馈来迭代地指导风格迁移过程，在实现模型轻量化的同时生成平滑的风格化结果序列。此外，我们引入了一种不确定性感知的多任务学习策略，该策略自动调整损失权重以适应不同训练阶段的内容与风格平衡需求，从而加速模型收敛。通过一系列在不同图像分辨率下的实验，我们验证了 RLMiniStyler 在以更低成本生成高质量、多样化艺术图像序列方面优于其他 SOTA 方法。代码可在 https://github.com/fengxiaoming520/RLMiniStyler 获取。
引用
@article{arxiv.2505.04424,
title = {RLMiniStyler: Light-weight RL Style Agent for Arbitrary Sequential Neural Style Generation},
author = {Jing Hu and Chengming Feng and Shu Hu and Ming-Ching Chang and Xin Li and Xi Wu and Xin Wang},
journal= {arXiv preprint arXiv:2505.04424},
year = {2025}
}
备注
IJCAI2025