arbitrary style transfer | BriefGPT

关键词arbitrary style transfer

搜索结果 - 12

用 Transformer 和对比学习重新思考任意风格转换
本研究提出了一种创新技术，通过样式一致的实例归一化和基于实例的对比学习方法来改进生成的艺术风格图片的质量，引入感知编码器来捕获样式特征，实验证明该方法生成了高质量的艺术风格图片并有效地避免了伪影。
PDF3 months ago
HiCAST：基于适配器增强扩散模型的高度定制任意风格转换
提出了一种名为 HiCAST 的新的任意风格迁移方法，能够根据各种语义线索显式地定制风格化结果，包括了 Latent Diffusion Model 的条件式构建、引入 Style Adapter 进行风格灵活操作以及视频 AST 的拓展，
PDF6 months ago
STEER: 基于专家强化学习的统一风格转移
STEER 是一个统一的框架，通过专家增强（Expert Reinforcement）实现样式转移，用于解决样式转移中有限并行数据的挑战。该方法在多个目标样式中能够从任意未知源样式进行转移，具有灵活和高效的特性，取得了具有竞争力的基准线之上
PDF8 months ago
ArtFusion：使用双条件潜扩散模型进行任意风格转移
ArtFusion 提出一种新方法，使用 Dual-cLDM，通过单图像在模型训练期间同时保留内容和风格，提高多样性。
PDFa year ago
AAAIMicroAST：超快超分辨率任意风格迁移
本论文提出了一种称为 MicroAST 的新型超快速任意风格迁移模型，基于两个微型编码器和一个微型解码器，并引入了一种新的风格信号对比损失以提高风格编码器的处理能力。与现有方法相比，MicroAST 在速度和模型大小上的优势显著，首次实现了
PDF2 years ago
CVPR任意风格转换和域泛化的精确特征分布匹配
本文针对视觉学习中的任意风格转换（AST）和领域泛化（DG）任务，提出了一种新的特征分布匹配方法，即精确特征分布匹配（EFDM），通过在图像特征空间中应用准确的直方图匹配（EHM），准确地匹配了图像特征的经验累积分布函数（eCDF），在各种
PDF2 years ago
ICCVDRB-GAN：一种用于艺术风格迁移的动态 ResBlock 生成对抗网络
该论文提出了一种基于动态 ResBlock GAN 的艺术风格迁移方法，使用同一组动态 ResBlock 实现了风格编码和风格转换网络，通过集合样式条件鉴别器实现了任意风格和集合风格迁移，实验结果证明了该方法的卓越表现和高效性。
PDF3 years ago
CVPR提高任意风格迁移的风格感知归一化损失
本文研究神经风格转换中不平衡风格转移的问题，提出了一种解决方案，通过提出新的 Loss function 在理论分析和实验结果中证明其有效性，提高风格欺骗率和人类评估的偏好度。
PDF3 years ago
AAAI任意风格迁移的动态实例规范化
本研究提出了新的、广义的标准化模块 ——Dynamic Instance Normalization（DIN），通过组成实例标准化和动态卷积将风格图像编码成可学习的卷积参数，从而实现了灵活且更高效的任意风格转移。实验结果表明，所提出的方法在
PDF5 years ago
CVPR具有风格 - 关注网络的任意风格转移
本文介绍了一种新型的样式注意力网络（SANet），它可以根据内容图像的语义空间分布有效、灵活地整合本地样式模式，并且通过新的身份损失函数和多层特征嵌入，使得该网络和解码器能够尽可能地保留内容结构，同时丰富样式模式，实验结果表明我们的算法能够
PDF6 years ago
快速任意风格迁移的线性变换学习
本研究提出了一种基于前向网络学习转换矩阵的任意风格转换方法，该方法高效且具有灵活组合多级风格的能力，同时保持风格转移过程中的内容亲和性，成功应用于艺术风格转换、视频和照片逼真的风格转换以及领域适应等四种任务，并与最先进的方法进行了比较。
PDF6 years ago
基于多领域艺术图像的任意风格转移学习
我们提出了一个快速前馈网络，使用深度特征和纹理统计来表示内容和风格，并使用对抗网络来规范画风生成，包括条件生成器和条件鉴别器，并使用遮罩模块来空间控制风格化级别和稳定对抗训练，在定性和定量实验中与相关工作进行比较。
PDF6 years ago