基于松弛最优传输与自相似性的风格迁移
计算机视觉与模式识别
2019-10-11 v2
摘要
风格迁移算法致力于用一幅图像的风格来渲染另一幅图像的内容。我们提出了基于松弛最优传输与自相似性(STROTSS)的风格迁移算法，一种基于优化的新型风格迁移算法。我们扩展了该方法，以允许用户指定点对点或区域对区域的控制，来约束风格图像与输出之间的视觉相似性。此类引导既可用于实现特定的视觉效果，也可用于纠正无约束风格迁移所产生的错误。为了将我们的方法与先前工作进行定量比较，我们设计了一项大规模用户研究，旨在评估风格迁移算法在不同设置下的风格-内容权衡。我们的结果表明，在任意期望的内容保留水平下，我们的方法都比先前工作提供了更高质量的风格化。代码可在 https://github.com/nkolkin13/STROTSS 获取。
引用
@article{arxiv.1904.12785,
title = {Style Transfer by Relaxed Optimal Transport and Self-Similarity},
author = {Nicholas Kolkin and Jason Salavon and Greg Shakhnarovich},
journal= {arXiv preprint arXiv:1904.12785},
year = {2019}
}
备注
To Appear CVPR 2019, Webdemo Available at http://style.ttic.edu