通过特征变换的通用风格迁移
计算机视觉与模式识别
2017-11-20 v2
摘要
通用风格迁移旨在将任意视觉风格迁移到内容图像。现有的基于前馈的方法虽然享有推理效率，但主要受限于无法泛化到未见过的风格或视觉质量受损。本文中，我们提出一种简单而有效的方法，在不针对任何预定义风格训练的情况下解决这些局限。我们方法的关键要素是一对特征变换，即白化与着色，它们被嵌入到一个图像重建网络中。白化与着色变换反映了内容图像特征协方差到给定风格图像的直接匹配，这与神经风格迁移中基于 Gram 矩阵的代价优化精神相通。我们通过生成高质量风格化图像并与若干近期方法比较，证明了我们算法的有效性。我们还通过可视化白化特征以及通过简单特征着色合成纹理来分析我们的方法。
引用
@article{arxiv.1705.08086,
title = {Universal Style Transfer via Feature Transforms},
author = {Yijun Li and Chen Fang and Jimei Yang and Zhaowen Wang and Xin Lu and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1705.08086},
year = {2017}
}
备注
Accepted by NIPS 2017