基于非线性卷积的可控图像类推和自类推技术

• 作者: 古元亭 吴恩华
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 风格化学习 图像类推 可控类推 非线性卷积
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 图形算法与技术
• 页码范围: 332-336
• 页数: 5页
• 分类号: TP391.4
• 字数: 4577字
• 语种: 中文

摘要

提出一种新的图像类推技术,定义"风格"为作用于内容上的非线性卷积过程.通过估计卷积核实现风格学习,通过执行卷积实现风格的传递.该定义能够极大地加快类推速度,提高风格学习与样本数据的独立性,增强图像类推的稳定性与适用性.同时还提出了对图像进行迭代式风格化作用的连续类推思想,以及通过自身构建训练集的自类推思想.连续类推可以生成不同强度的风格化序列,进而实现图像类推控制;图像白类推则可以应用于超分辨等与尺度相关的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴恩华	中国科学院软件研究所计算机科学国家重点实验室	114	2335	25.0	44.0
5	古元亭	中国科学院软件研究所计算机科学国家重点实验室	2	16	2.0	2.0