基于神經網絡的圖像風格遷移研究綜述
2022年電子技術應用第6期
劉建鋒，鐘國韻
東華理工大學 信息工程學院，江西 南昌330013
摘要： 為了推動基于神經網絡的圖像風格遷移技術的研究，對基于神經網絡的圖像風格遷移的主要方法和代表性工作進行了總結和討論。回顧了傳統的風格遷移算法，詳細介紹了基于神經網絡的主要圖像風格遷移的基本原理和方法，分析了相關基于神經網絡的圖像風格遷移領域的應用前景，最后總結了基于神經網絡的圖像風格遷移存在的挑戰和未來研究方向。
中圖分類號： TP183
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.222706
中文引用格式： 劉建鋒，鐘國韻. 基于神經網絡的圖像風格遷移研究綜述[J].電子技術應用，2022，48(6)：14-18.
英文引用格式： Liu Jianfeng，Zhong Guoyun. Survey of image style transfer based on neural network[J]. Application of Electronic Technique，2022，48(6)：14-18.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.222706
中文引用格式： 劉建鋒，鐘國韻. 基于神經網絡的圖像風格遷移研究綜述[J].電子技術應用，2022，48(6)：14-18.
英文引用格式： Liu Jianfeng，Zhong Guoyun. Survey of image style transfer based on neural network[J]. Application of Electronic Technique，2022，48(6)：14-18.
Survey of image style transfer based on neural network
Liu Jianfeng，Zhong Guoyun
School of Information Engineering，East China University of Technology，Nanchang 330013，China
Abstract： In order to promote the research of image style transfer technology based on neural network, the main methods and representative work of image style transfer based on neural network are summarized and discussed in this paper. This paper reviews the traditional style transfer algorithms, introduces the basic principles and methods of the main image style transfer based on neural network in detail, analyzes the application prospect of the related field of image style transfer based on neural network, and finally summarizes the existing problems and future research direction of the image style transfer based on neural network.
Key words : neural network；image style transfer；texture synthesis
0 引言
傳統的圖像風格遷移方法通常被作為紋理合成的一個廣義問題來處理和研究，即從風格圖S(Style image)中采集紋理并將其遷移到內容圖C(Content image)中。Efros等人提出了一種將樣本紋理進行拼接和重組的簡單紋理合成算法[1]；基于類推思想，Hertzmann等人通過圖像特征映射關系合成了帶有新紋理的圖像[2]。傳統圖像風格遷移方法只是提取圖像的低層次的圖像特征，而非高層次的圖像語義信息，在對色彩與紋理較為繁雜的圖像進行風格化時，合成效果圖會十分不理想，很難在實際應用場景中使用。
基于以上討論，雖然傳統的圖像風格遷移算法能夠誠實地描繪出某些特定的圖像風格，然而它們存在一定的局限性，靈活性不足、風格不夠多樣化且圖像結構提取困難。因而，需要全新的算法，來解除這些限制。于是便出現了神經網絡圖像風格遷移領域。
本文詳細內容請下載：http://www.xxav2194.com/resource/share/2000004411。
作者信息：
劉建鋒，鐘國韻
(東華理工大學 信息工程學院，江西 南昌330013)
此內容為AET網站原創，未經授權禁止轉載。