基于隐写术的自包含风格化用于逆向与串行风格迁移

风格迁移已被广泛应用于赋予真实世界图像新的艺术外观。然而，给定一幅风格化图像，使用典型风格迁移方法进行去风格化或再次将其迁移为另一种风格通常会导致伪影或不期望的结果。我们认识到这些问题源于原始图像与其风格化输出之间的内容不一致。因此，本文借助隐写术的力量，在风格迁移过程中保持输入图像的内容信息，提出了两种方法：两阶段模型与端到端模型。我们进行了大量实验，成功验证了模型的能力，其中两者均不仅能生成质量可与典型风格迁移方法相媲美的风格化图像，还能有效消除从风格化图像重建原始输入以及串行多次风格迁移时所引入的伪影。