基于高斯采样的区域多元化图像风格迁移方法

摘要：

随着深度学习的迅速发展,图像风格迁移成为计算机视觉领域的研究热点之一.针对现有方法难以对内容图像中局部相似区域进行有效风格迁移的问题,提出基于高斯采样的区域多元化图像风格迁移方法.首先,通过编码器提取图像特征;然后,在特征空间中将内容特征、风格特征和从风格图像所处的高斯分布中采样得到的风格特征融合;最后,通过解码器重建风格化图像.在WikiArt和Microsoft COCO数据集上进行实验,并使用内容损失和多尺度风格损失评价指标进行量化度量.实验结果表明,与现有方法相比,所提方法能有效地降低生成图像的风格损失,使生成图像的整体风格更加统一,呈现出更好的视觉效果.

关键词：图像风格迁移、卷积神经网络、特征变换、高斯分布、高斯采样

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划;浙江省自然科学基金;浙江省自然科学基金

在线出版日期：2022-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：743-750