深度学习驱动的图像风格转换前沿研究综述
本文综述了基于深度学习的图像风格转换的最新进展，涵盖从基本方法到应用领域的广泛探索，包括CycleGAN、GAN网络、VGG指导的转换以及跨域行人重识别等案例。
下面是该类的一些题目：
| 题目 |
|---|
| 基于CycleGAN的图像风格转换 |
| 基于GAN网络的图像风格转换 |
| 基于VGG和局部标注的图像风格转换方法研究 |
| 基于图像风格转换和相机属性的跨域行人重识别算法研究 |
| 基于图像风格转换的验证码生成技术研究 |
| 基于学习的手势姿态图像风格转换方法 |
| 基于显著性目标检测的局部风格转换方法设计与实现 |
| 基于深度学习与风格转换的甲状腺结节超声数据分类方法研究 |
| 基于深度学习的图像风格转换方法 |
| 基于深度学习的图像风格转换算法研究 |
| 基于深度学习的实例感知型图像风格转换研究 |
| 基于深度学习的快速风格转换算法研究 |
| 基于深度学习的文本风格转换研究与实现 |
| 基于生成对抗网络的图像风格转换方法研究 |
| 基于自编码结构与梯度保序的视频风格转换 |
| 生成对抗网络研究及其在图像风格转换的应用 |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
