全局信息引导的真实图像风格迁移

摘要：

不同于艺术风格迁移,真实图像风格迁移的挑战在于,迁移结果在迁移风格图片的色调风格的同时在内容上应保持真实性.目前,真实图像风格迁移的方法往往是在艺术风格迁移方法的基础上进行预处理或后处理,以保持生成图片的真实性.但艺术风格迁移方法通常无法充分利用全局色彩信息实现更为协调的整体观感,且预处理和后处理操作往往繁琐而费时.针对以上问题,建立了全局信息引导的真实图像风格迁移网络,提出了色域均值损失(Lcpm)来衡量生成图片与风格图片全局色彩分布的相似性,对自适应实例归一化(AdaIN)进行改进,提出分区自适应实例归一化(AdaIN-P),以更好地适应真实图像的色彩风格迁移;此外,引入了一种跨通道分区注意力机制,以更好地利用全局上下文信息,提升生成图片的整体协调性.上述方法能够引导网络解码器充分利用全局信息.实验结果表明,相较于其他主流方法,所提网络模型能在保持图像细节的同时实现更好的真实图像风格迁移效果.

关键词：风格迁移、全局信息、卷积神经网络、注意力机制、编码解码、特征融合

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105