《image Style Transfer Using Convolutional Neural Networks》论文笔记

本文介绍了使用卷积神经网络(CNN)进行图像风格转换的研究,主要思路是通过VGG网络提取图像的内容和风格特征,生成结合两者的新图像。内容特征以平方误差损失函数衡量,风格特征则通过计算格拉姆矩阵的相似度来表征。最终通过最小化生成图像与源内容和目标风格的损失来完成风格转换。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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:
这里写图片描述
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)。 这里写图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值