基于神经网特征空间刚性对齐的风格迁移
计算机视觉与模式识别
2020-12-25 v2 机器学习
图像与视频处理
机器学习
摘要
任意风格迁移是计算机视觉中的一个重要问题，旨在将任意风格图像的风格图案迁移至给定内容图像。然而，现有方法或依赖缓慢的迭代优化，或依赖快速的预定特征变换，却以牺牲风格化图像的视觉质量为代价；尤其是内容结构发生畸变。本工作中，我们提出一种高效且有效的任意风格迁移方法，可无缝迁移风格图案并保持内容结构在风格化图像中完好无损。我们通过使用刚性对齐将风格特征对齐至内容特征来实现这一点；从而修改风格特征，不同于现有方法之相反做法。我们通过生成高质量风格化图像展示了所提方法的有效性，并与当前最优的任意风格迁移技术进行了结果比较。
引用
@article{arxiv.1909.13690,
title = {Style Transfer by Rigid Alignment in Neural Net Feature Space},
author = {Suryabhan Singh Hada and Miguel Á. Carreira-Perpiñán},
journal= {arXiv preprint arXiv:1909.13690},
year = {2020}
}
备注
Accepted to WACV 2021