图像风格转换

图像风格转换

有两个月没更新博客了。这段时间把一些基础知识复习了一边,对一些感兴趣的领域学习了一下,也总算能够静下心来开始看英文文献了。刚好这个主题是这学期的课程的一个作业,就当做整理了。


图像风格转换 最早在论文《A Neural Algorithm of Artistic Style》中提出,提出了内容损失和风格损失函数。目的是通过与训练好的卷积网络(VGG16)来抽取特征,输入其实是有三张图片的,分别是内容图像,风格图像和随机的图像。通过损失对随机图像进行梯度下降,迭代求得最后的图像,因此速度会比较慢,难以快速应用。
在这里插入图片描述


快速风格迁移 由《Perceptual Losses for Real-Time Style Transfer Super-Resolution》提出,主要是将风格迁移的训练和应用分离,可以快速应用。其实就是把风格特征固定下来了,通过一个transform Net来直接输出生成的图片。先是卷积再转置卷积(上采样),然后求损失,再对Transform Net的变量梯度下降。之后就只需要这个生成网络了,但是只能对单一风格的,多种风格就需要训练多个网络了。

在这里插入图片描述


任意风格转换
这个模型能够自行指定内容和风格图片,还能快速生成图像。《Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization》,受Batch Normalization启发。

Deep Photo Style Transfer, 这个是Adobe公司的论文,图片很真实,没有扭曲,基本上是颜色上的仿射变换。

线性变换-快速风格转换,这个是CVPR2019的新论文,效果也很不错。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值