纹理网络：纹理与风格化图像的前馈合成
计算机视觉与模式识别
2016-03-11 v1
摘要
Gatys 等人最近证明深度网络可以从单一纹理样例生成精美的纹理和风格化图像。然而，他们的方法需要缓慢且耗费内存的优化过程。我们在此提出一种替代方法，将计算负担转移到学习阶段。给定单一纹理样例，我们的方法训练紧凑的前馈卷积网络，以生成任意尺寸的同一纹理的多个样本，并将艺术风格从给定图像迁移到任意其他图像。所得网络极为轻量，并能生成与 Gatys 等人质量相当的纹理，但速度快数百倍。更一般地，我们的方法凸显了使用复杂且富有表现力的损失函数训练的生成式前馈模型的能力与灵活性。
引用
@article{arxiv.1603.03417,
title = {Texture Networks: Feed-forward Synthesis of Textures and Stylized Images},
author = {Dmitry Ulyanov and Vadim Lebedev and Andrea Vedaldi and Victor Lempitsky},
journal= {arXiv preprint arXiv:1603.03417},
year = {2016}
}