SEM-CS：基于文本的图像风格迁移的语义 CLIPStyler
计算机视觉与模式识别
2023-07-13 v1
摘要
CLIPStyler 仅使用风格文本描述（而非需要参考风格图像）便展示了具有逼真纹理的图像风格迁移。然而，由于显著物体与背景物体上的风格溢出（内容失配）或过度风格化，风格迁移输出中物体的底层语义会丢失。为此，我们提出执行语义风格迁移的语义 CLIPStyler（Sem-CS）。Sem-CS 首先将内容图像分割为显著与非显著物体，然后基于给定的风格文本描述迁移艺术风格。语义风格迁移通过全局前景损失（针对显著物体）与全局背景损失（针对非显著物体）实现。我们的实证结果，包括 DISTS、NIMA 与用户研究分数，表明我们所提出的框架在定性与定量性能上均更优。
引用
@article{arxiv.2303.06334,
title = {SEM-CS: Semantic CLIPStyler for Text-Based Image Style Transfer},
author = {Chanda G Kamra and Indra Deep Mastan and Debayan Gupta},
journal= {arXiv preprint arXiv:2303.06334},
year = {2023}
}
备注
11 Pages, 4 Figures, 2 Tables