基于流网络和多尺度特征优化的任意风格迁移

马 源*
安徽理工大学

摘要


风格迁移用于将内容图像结构与风格图像的特征融合，本文提出一种以可逆残差块驱动的高低频双通道特
征融合方法，从而在风格迁移中实现结构保持与纹理增强，包含两项创新：一是在特征提取阶段引入DYNA模块，
将特征分为高低频支路处理，经融合提升特征表达能力。二是将增强后的特征输入基于可逆残差块（RRB）的线性
迁移模型，通过高保真特征映射实现内容与风格的高质量融合，减少信息丢失并改善细节表现。实验结果表明，该
方法在内容保持、风格一致性和细节丰富度方面均优于传统方法。

关键词


神经风格迁移；特征增强；细节保留；风格一致性；可逆神经网络

全文:

PDF


参考


[1]王伟，张磊，李强.基于卷积神经网络的风格迁

移研究进展.计算机学报，2020，43（12）：2500-2514.

[2]李明，陈雪，王芳.任意风格迁移方法综述.软件

学报，2019，30（5）：1394-1410.

[3]赵鹏，刘洋.多尺度神经风格迁移方法研究.小型

微型计算机系统，2021，42（8）：1701-1708.

[4]张杰，王强，吴敏.基于注意力机制的风格迁移

研究.模式识别与人工智能，2021，34（2）：157-166.

[5]陈浩，李涛.可逆残差网络及其在图像处理中的

应用.计算机工程与应用，2022，58（4）：89-97.

[6]王磊，张涛，吕鹏.风格迁移中多层特征融合技

术分析.软件导刊，2023，22（6）：45-52.


Refbacks

  • 当前没有refback。