深度绘画协调 Deep Painterly Harmonization

深度绘画协调 Deep Painterly Harmonization


阅读量

P图应该是每个会ps的同学都玩过,要做到以假乱真还是需要强大的ps功底,现在通过深度学习可以做到以假乱真,傻傻分不清楚。如下图:

看看新算法的不同

风格化迁移算法目前有很多,但是在Cornell大学和Adobe的同学们看来,现存的算法比较弱。
要像上图这样,把美队的盾牌融合到意大利画家Onofrio Bramante的作品里就比较困难,在这个作品中一些微小的差异就会让人感觉很明显。
全局风格迁移的效果表现类似图3(从左往右第3列图) ,无论是边界线、匹配色彩还是细化质地,都很难让粘贴部分拥有画作的原始风格。

于是他们搭建局部风格化的神经网络。

他们主要以Gatys团队发表的风格迁移Image Style Transfer技术为基础,用VGG搭建了一个two-pass算法,还额外引入了一些风格重建损失 (Reconstruction Losses) 来优化结果。

以下为各个算法效果对比:

作者还有能实现像素级别的风格迁移的成果“Deep Photo Style Transfer”

最终成果

参考资料