论文地址:https://arxiv.org/abs/1705.04058
翻译:https://www.cnblogs.com/skykill/p/6878232.html
这篇文章是图片风格迁移的综述:
图像的风格迁移目前有两种方法①基于图片迭代的描述性神经方法②基于模型迭代的生成神经方法。
一、基于图片迭代的描述性神经方法
通过白噪声生成一张图片,从噪声开始,通过反向传播,逐步最小化损失(包括和内容图的轮廓损失以及和风格图的文理损失)。
二、基于迭代模型的生成性神经算法
针对某一风格图,在大型数据集上训练一个前馈网络,通过梯度下降,迭代式更新模型来优化网络模型。
计算风格损失的两种方法主要是用于描述性神经方法:①基于MMD的描述性神经方法②基于MRF的描述性神经方法
一、基于MMD的描述性神经方法
基于最大均值差的方法。基于两个分布的样本,通过寻找在样本空间上连续的函数f,求不同分布的样本在f上的函数值的均值,通过把两个均值做差就可得到两个分布对应于f的mean discrepancy 。寻找一个f使得这个mean discrepancy 有最大值,就得到了MMD。最后取MMD作为检验统计量,从而判断两个分布是否相同。如果这个值足够小,就认为两个分布相同,否则就认为它们不相同。同时这个值也可以用来判断两个分布之间的相似程度。