VALSE 论文速览 第07期：图像风格化鲁棒性的再思考和提升

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周二和周五各发布一篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期论文速览选取了来自加州大学圣地亚哥分校的图像风格化鲁棒性方面的工作。该工作由Nuno Vasconcelos教授和Yijun Li研究员指导，Pei Wang同学录制。

论文题目：图像风格化鲁棒性的再思考和提升

作者列表：Pei Wang (UC San Diego)，Yijun Li (Adobe Research), Nuno Vasconcelos (UC San Diego)

B站观看网址：

https://www.bilibili.com/video/BV1YM4y157uf/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

现在很多研究采用VGG来作为图像风格化的特征提取器，而不是使用更加先进的结构比如ResNet。已经有文章发现VGG在这个特定任务上的表现要优于ResNet。在本文，我们通过大量实验，发现造成ResNet表现较差的原因是参差连接。这种结构使得较深层特征的entropy较小，不容易被优化，从而部分风格特征没有被迁移。为了解决这个问题，我们提出在计算优化时首先平滑特征，从而使优化变的容易。实验证明了我们方法的有效性。

论文信息：

[1] Pei Wang, Yijun Li, Nuno Vasconcelos, “Rethinking and improving the robustness of image style transfer,” in Proceeding of IEEE Computer Vision and Pattern Recognition (CVPR 2021), virtual, June 2021. 

论文链接：

[https://openaccess.thecvf.com/content/CVPR2021/papers/Wang_Rethinking_and_Improving_the_Robustness_of_Image_Style_Transfer_CVPR_2021_paper.pdf]

视频讲者简介：

Pei Wang，本科和硕士分别毕业于电子科技大学和中科院自动化所。目前就读于加州大学圣地亚哥分校，主要从事人机协同学习，图像生成，可解释性人工智能的研究。

看到这了，确定不关注下吗？关注下再走吧～

特别鸣谢本次论文速览主要组织者：

月度轮值AC：王栋 (大连理工大学)、王鹤 (北京大学)

季度责任AC：王兴刚 (华中科技大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，直播地址：https://live.bilibili.com/22300737；VALSE的近期历史视频可在这里观看：https://space.bilibili.com/562085182/ 

2、VALSE Webinar活动通常每周三晚上20:00进行，但偶尔会因为讲者时区问题略有调整，为方便您参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ Q群，群号：698303207）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3. VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。

4、您也可以通过访问VALSE主页：http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新。