主题: Multimodal Style Transfer via Graph Cuts

摘要: 最近神经风格转换方法中广泛使用的一个假设是,图像风格可以用深度特征(如Gram或协方差矩阵)的全局统计来描述,而其他方法则是通过将其分解成局部像素或神经斑块来表示风格。尽管已有的研究进展,大多数现有的方法都对风格图像的语义模式进行了统一的处理,对复杂的风格产生了不愉快的影响。在本文中,我们介绍了一种更灵活和通用的通用风格转换技术:Mull TyTalm风格转移(MST)。MST明确地考虑了内容和样式图像中语义模式的匹配,特别是将样式图像特征聚类到子样式组件中,子样式组件在图割公式下与局部内容特征匹配。训练一个重建网络来传递每个子样式并呈现最终的样式化结果。我们还推广了MST来改进现有的方法。大量实验证明了MST的有效性、鲁棒性和灵活性。

作者简介: Yulun Zhang,博士,他的研究兴趣广泛地包括稀疏/协作表示、深度学习及其在计算机视觉任务中的应用。具体来说,这些应用领域包括图像处理(图像恢复、生成和样式转换)和视觉识别(人脸识别/验证)。个人主页:http://yulunzhang.com/。等

成为VIP会员查看完整内容
14

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【芝加哥大学】可变形的风格转移,Deformable Style Transfer
专知会员服务
30+阅读 · 2020年3月26日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
53+阅读 · 2019年11月20日
学习一个宫崎骏画风的图像风格转换GAN
AI科技评论
18+阅读 · 2020年3月13日
已删除
将门创投
13+阅读 · 2019年4月17日
多模态多任务学习新论文
专知
46+阅读 · 2019年2月9日
镜头间的风格转换行人重识别
统计学习与视觉计算组
13+阅读 · 2018年8月16日
图像风格迁移(Neural Style)简史
乌镇智库
5+阅读 · 2017年7月31日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Video-to-Video Synthesis
Arxiv
9+阅读 · 2018年8月20日
VIP会员
相关资讯
学习一个宫崎骏画风的图像风格转换GAN
AI科技评论
18+阅读 · 2020年3月13日
已删除
将门创投
13+阅读 · 2019年4月17日
多模态多任务学习新论文
专知
46+阅读 · 2019年2月9日
镜头间的风格转换行人重识别
统计学习与视觉计算组
13+阅读 · 2018年8月16日
图像风格迁移(Neural Style)简史
乌镇智库
5+阅读 · 2017年7月31日
微信扫码咨询专知VIP会员