Current Location:home > Browse

1. chinaXiv:202009.00062 [pdf]

基于生成式对抗网络的画作的图像合成方法

赵宇欣; 王冠
Subjects: Computer Science >> Integration Theory of Computer Science

画作的图像合成旨在将两个不同来源的图像分别作为前景和背景融合在一起,这通常需要局部风格迁移。现有的算法过程繁琐且耗时,不能做到实时的图像合成。针对这一缺点,提出了基于生成式对抗网络(GAN)的前向生成模型(PainterGAN)。PainterGAN的自注意力机制和U-net结构控制合成过程中前景的语义内容不变。同时,对抗学习保证逼真的风格迁移。在实验中,使用预训练模型作为PainterGAN的生成器,极大地节省了计算时间和成本。实验结果表明,比起已有的方法,PainterGAN生成了质量相近甚至更好的图像,生成速度也提升了400倍,在解决局部风格迁移问题上是高质量、高效率的。

submitted time 2020-09-28 From cooperative journals:《计算机应用研究》 Hits2470Downloads269 Comment 0

2. chinaXiv:201808.00122 [pdf]

基于深度学习的图像风格迁移研究综述

陈淑環; 韦玉科; 徐乐; 董晓华; 温坤哲
Subjects: Computer Science >> Integration Theory of Computer Science

图像风格迁移是一种用不同风格渲染图像语义内容的图像处理方法。随着深度学习的兴起,图像风格迁移获得了进一步的发展,并取得了一系列突破性的研究成果。其出色的风格迁移能力引起了学术界和工业界的广泛关注,具有重要的研究价值。为推进基于深度学习的图像风格迁移的技术研究,对目前的主要方法和代表性工作进行了归纳与探讨。首先回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像风格迁移在相关领域中的应用前景,最后总结了基于深度学习的图像风格迁移目前存在的问题与未来的研究方向。

submitted time 2018-07-23 From cooperative journals:《计算机应用研究》 Hits1283Downloads913 Comment 0

  [1 Pages/ 2 Totals]