-
题名基于神经网络的图像风格迁移算法综述
被引量：1
- 1
-
-
作者
王伟
张静宜
温玉辉
魏云超
-
机构
北京交通大学计算科学与技术学院
-
出处
《电子学报》
北大核心
2025年第5期1692-1712,共21页
-
基金
中央高校基本科研基金(No.2022XKRC015)
国家自然科学基金(No.62372033)。
-
文摘
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Gat-ys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,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,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,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.
-
关键词
图像风格迁移
神经网络
图像编辑
多模态任务
计算机视觉
深度学习
-
Keywords
image style transfer
neural network
image editing
multimodal tasks
computer vision
deep learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
