Wasserstein风格迁移
机器学习
2019-05-31 v1 计算机视觉与模式识别
机器学习
摘要
我们在编码器/解码器框架中提出用于图像风格迁移的高斯最优传输。高斯测度的最优传输具有从源分布到目标分布的闭式Monge映射。此外,内容图像与风格图像之间的插值可视为Wasserstein几何中的测地线。利用此见解,我们展示了如何使用高斯测度的Wasserstein重心来混合不同目标风格。由于高斯测度在Wasserstein重心下封闭,这允许简单的风格迁移与风格混合及插值。此外,我们展示了如何使用高斯间其他测地度量(如Fisher Rao度量)实现不同风格混合,而内容向新插值风格的传输仍由高斯OT映射完成。我们的简易方法能够生成在多种艺术风格间插值的新风格化内容。插值中使用的度量导致不同的风格化效果。
引用
@article{arxiv.1905.12828,
title = {Wasserstein Style Transfer},
author = {Youssef Mroueh},
journal= {arXiv preprint arXiv:1905.12828},
year = {2019}
}