0 引言
传统的图像风格迁移方法通常被作为纹理合成的一个广义问题来处理和研究,即从风格图S(Style image)中采集纹理并将其迁移到内容图C(Content image)中。Efros等人提出了一种将样本纹理进行拼接和重组的简单纹理合成算法[1];基于类推思想,Hertzmann等人通过图像特征映射关系合成了带有新纹理的图像[2]。传统图像风格迁移方法只是提取图像的低层次的图像特征,而非高层次的图像语义信息,在对色彩与纹理较为繁杂的图像进行风格化时,合成效果图会十分不理想,很难在实际应用场景中使用。
基于以上讨论,虽然传统的图像风格迁移算法能够诚实地描绘出某些特定的图像风格,然而它们存在一定的局限性,灵活性不足、风格不够多样化且图像结构提取困难。因而,需要全新的算法,来解除这些限制。于是便出现了神经网络图像风格迁移领域。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004411。
作者信息:
刘建锋,钟国韵
(东华理工大学 信息工程学院,江西 南昌330013)

凡《网络安全与数据治理》(原《信息技术与网络安全》)录用的文章,如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明,即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊,本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时,本刊支付的稿酬已包含上述使用的费用,特此声明。