基于增强残差 U-net 与辅助分类器 GAN 的动漫草图风格迁移
计算机视觉与模式识别
2017-06-14 v2
摘要
最近，随着革命性的神经风格迁移方法的出现，可以从内容图像和风格图像自动合成出令人信服的画作。然而，当涉及到将一幅画作的风格应用于动漫草图的任务时，这些方法只会将草图线条随机着色作为输出，而未能完成主要任务：特定风格迁移。在本文中，我们集成了残差 U-net，并利用辅助分类器生成对抗网络（AC-GAN）将风格应用于灰度草图。整个过程自动且快速，在艺术风格质量和着色方面的结果令人信服。
引用
@article{arxiv.1706.03319,
title = {Style Transfer for Anime Sketches with Enhanced Residual U-net and Auxiliary Classifier GAN},
author = {Lvmin Zhang and Yi Ji and Xin Lin},
journal= {arXiv preprint arXiv:1706.03319},
year = {2017}
}
备注
Submitted to ACPR 2017