公众号机器学习与AI生成创作
最新ICCV 2021 | 风格迁移(20)生成对抗GAN
关注作者
前往小程序,Get
更优
阅读体验!
立即前往
腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
公众号机器学习与AI生成创作
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
社区首页
>
专栏
>
最新ICCV 2021 | 风格迁移(20)生成对抗GAN
最新ICCV 2021 | 风格迁移(20)生成对抗GAN
公众号机器学习与AI生成创作
关注
发布于 2022-04-09 10:30:11
1.2K
0
发布于 2022-04-09 10:30:11
举报
文章被收录于专栏:
机器学习与生成对抗网络
机器学习与生成对抗网络
二十、风格迁移
61、 DRB-GAN: A Dynamic ResBlock Generative Adversarial Network for Artistic Style Transfer
提出一种用于艺术风格迁移的动态 ResBlock 生成对抗网络(DRB-GAN)。风格码被建模为连接风格编码网络和迁移网络的动态 ResBlocks 的共享参数。
在编码网络中,融入了风格的类感知注意机制;在迁移网络中,多个 Dynamic ResBlocks 来整合风格码和提取的 CNN 语义特征,然后输入到空间实例归一化(SWLIN)解码器,实现艺术风格迁移。
https://github.com/xuwenju123/DRB-GAN
62、 Diverse Image Style Transfer via Invertible Cross-Space Mapping
图像风格迁移可以将艺术风格迁移到任意照片上,以创建新颖的艺术图像。尽管风格迁移本质上是一个不适定问题,但现有方法通常假设某种唯一结果,而无法捕获潜在可能的完整分布。
本文提出一个多样化的图像风格迁移(DIST)方案,该方案通过执行可逆的跨空间映射来实现多样性。具体来说,由三个分支组成:解耦分支、逆向分支和风格化分支。
解耦分支可以分解内容空间和风格空间;逆映射分支则可以完成输入噪声向量与艺术图像风格空间之间的可逆映射;风格化分支渲染风格化输入的内容图像。
本文参与
腾讯云自媒体分享计划
,分享自微信公众号。
原始发表:2022-04-05,如有侵权请联系
cloudcommunity@tencent.com
删除
机器学习
神经网络
深度学习
人工智能
迁移
本文分享自
机器学习与AI生成创作
微信公众号,
前往查看
如有侵权,请联系
cloudcommunity@tencent.com
删除。
本文参与
腾讯云自媒体分享计划
,欢迎热爱写作的你一起参与!
机器学习
神经网络
深度学习
人工智能
迁移
评论
登录
后参与评论
0 条评论
热度
最新
推荐阅读
LV.
关注
文章
0
获赞
0
目录
二十、风格迁移
61、 DRB-GAN: A Dynamic ResBlock Generative Adversarial Network for Artistic Style Transfer
62、 Diverse Image Style Transfer via Invertible Cross-Space Mapping
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
0
0
0
推荐