基于层间互相关感知损失的风格迁移方法

• 作者: 庄轩权 李彩霞 黎培兴
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 风格迁移 Gram矩阵 卷积神经网络 风格损失函数 感知损失 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 126-135
• 页数: 10页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2019.10.11.2019A079

摘要

深度学习在风格迁移领域的应用使一系列以图片艺术风格化为核心的产品真正落地,而从像素级损失向基于Gram矩阵的感知损失的转变是其中最关键的跨越.Gram矩阵在艺术风格特征的提取上有良好的效果,但其局限于同等级语义特征间相关性统计的做法并不能作为艺术风格的充分表示.自Gram矩阵被提出以来,一系列研究并未对其进行充分的研究和改进,而是关注于模型结构的设计以提高风格迁移的速度.提出使用层间互相关矩阵作为Gram矩阵的代替或补充进行风格迁移任务的风格损失函数计算.实验表明,在得到相似水平输出结果的情况下,使用层间互相关矩阵方法可以降低20％的计算时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李彩霞		34	103	5.0	9.0
2	黎培兴		16	32	4.0	5.0
3	庄轩权		1	0	0.0	0.0