1.论文出处:cvpr 2016
2.主要思路:
为了进行图像的风格转换,作者利用CNN提取图像A的内容特征(如物体等)和图像B的风格特征,然后利用这些特征,生成图像C,图像C具有A的内容和B的风格。效果如下:
3.详细思路
主要的问题在于如何提取图像的内容特征(content feature) 以及 风格特征(style feature)
3.1总体网络框架
总体模型是基于VGG-network。作者只采用了16个卷基层和5个pooling层提取的特征图,没有采用全连接层。同时,在图像合成时,将原来的max-pooling替换为average-pooling可以让结果更好。
3.2 内容特征的表征:
作者对白噪声图片采用梯度下降法来寻找符合原始图像特征的另外的图像。 和 为原始图像和生成的新图像(由随机图像初始化,即白噪声图像)。 和
《image Style Transfer Using Convolutional Neural Networks》论文笔记
最新推荐文章于 2022-08-15 23:54:15 发布