风格迁移论文"Photorealistic Style Transfer via Wavelet Transforms"

基于Whitening and Coloring Transform(WCT)的方法由于其抽象能力强，会出现空间扭曲或者不真实的伪影的情况。作者基于WCT的方法将小波变换嵌入神经网络中，使特征能够保留结构信息以及VGG空间的统计学特性。此外，作者认为基于WCT${}^2$的方法可以提高风格化的时域稳定性。
如上图所示，作者希望WCT${}^2$能够在不使用后处理方法的情况下重建信号，由于小波信息会带来很小的信息损失，作者分析了使用小波下采样和小波上采样的优点。
此外，作者提出了一种递进式的风格化方法而不是多级的策略，递进式的风格化方法比起多级策略好处如下：（1）递进式的方法只需要在训练和测试的环节只使用一个decoder，而多级的训练方法需要在每一个level上都单独训练一个decoder，参数不共享，参数量大，训练困难，测试阶段开销也很大。（2）使用多级的风格化方法会导致伪影在多次encoder-decoder过程中被多次放大，而使用渐进式的方式，其伪影相对而言就少了很多。WCT的论文阅读笔记：WCT论文阅读笔记

WCT 2 ^2