文本到图像模型在高级风格迁移应用中的作用：以 DALL-E 3 为例

Ebubechukwu Ike

文本到图像模型在高级风格迁移应用中的作用：以 DALL-E 3 为例

计算机视觉与模式识别 2024-12-10 v1 图像与视频处理

作者: Ebubechukwu Ike

摘要

虽然 DALL-E 3 因能够从文本描述生成富有创意和复杂图像而广受欢迎，但其在风格迁移领域的应用仍略显未被充分探索。本项目研究了将 DALL-E 3 与传统神经网络风格迁移技术集成，以评估生成风格图像对最终输出质量的影响。采用 DALL-E 3 根据提供的描述生成风格图像，并与 Magenta Arbitrary Image Stylization 模型结合。通过结构相似性指数 (SSIM) 和峰信号信噪比 (PSNR) 等指标进行评估，以及处理时间评估。研究发现，DALL-E 3 显著提升了风格化图像的多样性和艺术性。尽管这种改进伴随着轻微的风格迁移时间增加，但数据显示，这种权衡是值得的，因为使用 DALL-E 3 的总体处理时间约比传统方法快 2.5 秒，使其既是高效又是视觉上优越的选择。

关键词

文本到图像模型风格迁移 DALL-E 3 神经网络风格迁移图像生成

引用

@article{arxiv.2412.05325,
  title  = {The Role of Text-to-Image Models in Advanced Style Transfer Applications: A Case Study with DALL-E 3},
  author = {Ebubechukwu Ike},
  journal= {arXiv preprint arXiv:2412.05325},
  year   = {2024}
}

备注

7 pages

文本到图像模型在高级风格迁移应用中的作用：以 DALL-E 3 为例

摘要

关键词

引用

备注

相关论文