风格迁移作为图像编辑领域的一个关键研究方向，在艺术创作等领域展现出广泛的应用前景.自Gatys等人提出使用深度卷积特征间相关性捕获纹理信息并基于此实现风格迁移后，大量基于神经网络的风格迁移算法不断涌现.近年来随着各式生成模型的兴起，将生成对抗网络、扩散模型等生成模型引入风格迁移工作获得了新的关注.此外，图像-文本跨模态任务的突破使得文本引导条件下的图像风格迁移成为可能.本文对当前先进的研究方法进行分类和描述.具体地，本文依据引导条件差异，将现有方法划分为图像引导的图像风格迁移方法、文本引导的图像风格迁移方法；依据网络架构的不同，将现有方法细分为基于自编码器的方法、基于生成对抗网络的方法、基于扩散模型的方法以及基于其他模型架构的方法，对当前图像风格迁移技术的研究进行全面的综述与分析.随后，本文介绍了图像风格迁移任务的数据集和评价体系，并从定量与定性方面对部分最先进的图像风格迁移方法进行实验和比较.最后，本文讨论了当前图像风格迁移技术面临的挑战，并对未来研究方向提出了展望.
成为VIP会员查看完整内容
基于神经网络的图像风格迁移算法综述
相关内容
人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。
Arxiv
40+阅读 · 2023年4月19日
Arxiv
210+阅读 · 2023年4月7日
Arxiv
142+阅读 · 2023年3月29日
相关VIP内容
相关资讯
相关论文
Arxiv
40+阅读 · 2023年4月19日
Arxiv
210+阅读 · 2023年4月7日
Arxiv
142+阅读 · 2023年3月29日
微信扫码咨询专知VIP会员