风格是特征的分布
计算机视觉与模式识别
2020-07-28 v1 机器学习
图像与视频处理
摘要
神经风格迁移（NST）是一种强大的图像生成技术，它使用卷积神经网络（CNN）将一幅图像的内容与另一幅图像的风格相融合。当代NST方法利用CNN特征的均值或二阶统计量以相对较低的计算成本实现迁移。然而，这些方法无法从CNN特征中充分提取风格。我们提出了一种新的风格迁移算法，通过将风格损失重新定义为特征分布之间的Wasserstein距离，从特征中充分提取风格。由此，我们确立了风格迁移质量的新标准。此外，我们给出了NST的两个重要解释。第一个来自Li等人的重申，即风格仅仅是特征的分布。第二个指出NST是一类生成对抗网络（GAN）问题。
引用
@article{arxiv.2007.13010,
title = {Style is a Distribution of Features},
author = {Eddie Huang and Sahil Gupta},
journal= {arXiv preprint arXiv:2007.13010},
year = {2020}
}