读论文学算法
Perceptual Losses for Real-Time Style Transfer and Super-Resolution
论文作者:Justin Johnson, Alexandre Alahi, Li Fei-Fei
1 综述
现阶段存在的问题:
1.图像风格转移使用Feed-forward Convolutional Neural Network in a Supervised Manner, 且使用Per-Pixel Loss,此方法在运行时间上很有优势,但是只能提取到浅层次的特征,而无法提取到深层次的全局特征,perceptual similarity might be ignored.
2. 现阶段使用Perceptual Loss进图像深层次风格转移的方法,效果可以接受,但是运行时间太慢,因为需要解决优化问题,且从随机噪声图开始优化(Gatys论文中需要以小时计算的运行时间)。
论文目标:能够使图像风格转移任务快速且高质量的完成。
解决手段:结合两种方法,使用前馈卷积神经网络对perceptual loss进行优化并产生图像,图像不是由随机噪声生成,而是由Input Image变换而成,perceptual loss是基于Gatys论文中的方法得到。
2 相关工作
相关神经网络架构: 本论文相关的前馈神经网络架构是基于“Deep residual learning for image recognition. ”以及 “Training and investigating residual nets..”两篇论文。