介绍
neural style不需要额外的网络结构,针对每一次迁移过程只在两张图片上进行训练;而fast neural style是在VGG19前增加了一个较复杂的生成网络,训练时VGG的参数也不会改变,可以看作是生成器和判别器的结构。通过大量数据集的训练,一个模型可以学习到任意图片向一种风格的转换;style swap则是使用了叫做inverse network的结构,一次训练学习到任意图片间的转换。
fast neural style
网络的结构如下图:
可以结合下面的图理解:
在neural style的工作中,没有前半段的深度残差网络,通过损失函数直接对初始化的图片(一般用内容图片初始化)像素值进行优化,使用的数据集只有两张图片。而fast neural style通过大量的数据集训练一个生成网络,相当于学习到了不同图片在进行同一种风格的迁移任务之前需要进行的处理(保留内容,融合风格),对比如下: