StyleShot: 一种任意风格的快照
计算机视觉与模式识别
2025-02-25 v2
摘要
在本文中，我们表明，良好的风格表示对于无需测试时调谐的通用风格迁移至关且足够。我们通过构建风格感知编码器和称为 StyleGallery 的良好组织的风格数据集来实现这一点。通过针对风格学习进行专门设计，风格感知编码器被训练从解耦训练策略中提取富有表现力的风格表示，StyleGallery 实现了泛化能力。我们进一步采用内容融合编码器来增强图像驱动的风格迁移。我们强调，称为 StyleShot 的方法在不进行测试时调谐的情况下，能够模拟各种所需风格，包括 3D、平面、抽象甚至细粒度风格。严格的实验验证表明，StyleShot 在广泛的风格范围内实现了优于现有最先进方法的卓越性能。项目页面可在 https://styleshot.github.io/ 查看。
引用
@article{arxiv.2407.01414,
title = {StyleShot: A Snapshot on Any Style},
author = {Junyao Gao and Yanchen Liu and Yanan Sun and Yinhao Tang and Yanhong Zeng and Kai Chen and Cairong Zhao},
journal= {arXiv preprint arXiv:2407.01414},
year = {2025}
}
备注
project page:https://styleshot.github.io/