V-Shuffle：基于价值随机置换的零样本风格迁移
计算机视觉与模式识别
2025-11-11 v1
摘要
注意力注入风格迁移近年来取得了显著进展。然而，现有方法常出现内容泄漏问题，即风格图像的非期望语义内容错误地出现在风格化输出中。本文提出 V-Shuffle，一种零样本风格迁移方法，利用来自相同风格域的多个风格图像，有效平衡内容保留与风格保真度。V-Shuffle 通过在扩散模型的自注意力层中对值特征进行随机置换，隐式地扰乱风格图像的语义内容，从而保留低层风格表征。我们进一步引入混合风格正则化，以补充这些低层表征与高层风格纹理，提升风格保真度。实验结果表明，V-Shuffle 在利用多个风格图像时表现优异。且当仅应用单个风格图像时，V-Shuffle 仍能超越前沿 SOTA 方法。
引用
@article{arxiv.2511.06365,
title = {V-Shuffle: Zero-Shot Style Transfer via Value Shuffle},
author = {Haojun Tang and Qiwei Lin and Tongda Xu and Lida Huang and Yan Wang},
journal= {arXiv preprint arXiv:2511.06365},
year = {2025}
}