基于多标签语义的壁纸纹理生成与风格迁移

纹理包含丰富的图像信息，并广泛应用于计算机图形学和计算机视觉等多个领域。随着机器学习的发展，纹理合成与生成得到了极大改进。作为日常生活中非常常见的元素，壁纸包含丰富的纹理信息，难以用简单的单一标签进行标注。此外，壁纸设计师花费大量时间创作不同风格的壁纸。为此，本文提出使用多标签语义来描述壁纸纹理图像。基于这些标签和生成对抗网络，我们提出了一种感知驱动的壁纸纹理生成与风格迁移框架。在该框架中，训练一个感知模型来识别生成器网络产生的壁纸是否足够真实并具有给定感知描述所指定的属性；这些多标签语义属性被当作条件变量来生成壁纸图像。生成的壁纸图像可使用 CycleGAN 转换为具有知名艺术家风格的图像。最后，使用美学评价方法对生成的壁纸图像进行定量度量。实验结果表明，所提方法能够生成符合人类美学并具有艺术特征的壁纸纹理。