StyleRemix：一种用于神经图像风格迁移的可解释表示
计算机视觉与模式识别
2019-03-26 v3
摘要
多风格迁移（MST）旨在捕捉不同风格的高层视觉词汇，并在联合模型中表达这些词汇以迁移每种特定风格。近来，基于风格嵌入学习（SEL）的方法用一组显式参数表示每种风格来完成MST任务。然而，多数现有SEL方法要么用大量独立参数学习显式风格表示，要么学习相对黑盒的风格表示，难以控制风格化结果。本文提出一种新颖的MST模型StyleRemix，将多种风格紧凑且显式地集成到单一网络中。通过将多样风格分解为相同基，StyleRemix用一维系数在连续向量空间中表示特定风格。借助可解释的风格表示，StyleRemix不仅支持风格可视化任务，还允许在平滑风格嵌入空间中以多种方式重新混合风格。大量实验表明，与最先进的SEL方法相比，StyleRemix在各种MST任务上均有效。
引用
@article{arxiv.1902.10425,
title = {StyleRemix: An Interpretable Representation for Neural Image Style Transfer},
author = {Hongmin Xu and Qiang Li and Wenbo Zhang and Wen Zheng},
journal= {arXiv preprint arXiv:1902.10425},
year = {2019}
}