图像风格转换相关论文
图像风格转换技术已经融入到人们的生活中,并被广泛应用于图像艺术化、卡通化、图像着色、滤镜处理和去遮挡等实际场景中,因此,图......
近年来,生成对抗网络成为深度学习中一个新兴的研究领域,而图像风格转换成为生成对抗网络中一个重要的研究方向,其对计算机视觉领......
针对图像样式转换产生的图像质量不高的问题,提出一种基于生成对抗网络的高质量图像样式转换方法.借鉴循环GAN网络结构上的发电网......
基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲.为约束图像重组时的信息,提出一种基于边......
为了解决无监督图像风格转换模型输出结果的局部伪影和局部特征丢失问题,提出了一种基于通道分组注意力机制的图像风格转换模型。......
图像风格转换旨在将给定内容图像转换到指定风格,但保持内容不变。相关任务,包括人脸照片-画像合成、图像超分辨率重建等,在公共安......
行人重识别(Person Re-ID)旨在匹配不同摄像机下的行人,应用于智能安防、智慧城市等领域。随着深度学习和卷积神经网络的快速发展,......
近年来,得益于深度学习的发展,自动驾驶的研究与开发也取得了巨大的突破。国内外的许多公司都开发了自已的自动驾驶系统框架,譬如G......
手势有姿态丰富、灵活方便的特点,在人机交互领域有着很高的研究意义。对手势姿态进行准确地估计不仅取决于算法的设计,更离不开一......
生成对抗网络已经成为深度学习领域一个热门的研究方向。生成对抗网络由生成器和判别器构成,采用无监督的训练方式,通过相互对抗训......
随着研究人员对计算机视觉领域的不断探索,现有的图像处理技术不断地发展,并逐渐应用在生活中的各个领域。图像风格转换技术,是一......
Leon Gatys等人研发的深度神经网络使用神经的表达来分离任意图片的内容和风格,为生成艺术图片提供一个神经算法。本文基于Style T......
由于水下显著性检测数据集不足,导致基于深度学习的水下图像显著性检测网络容易出现过拟合的问题,从而影响显著性检测网络的性能。......
随着深度学习的崛起,基于深度学习的图像风格转换模型得以快速发展并具有广泛的应用,又在生成网络模型生成对抗网络的促进下,基于......
本文运用深度学习算法将图像内容和风格进行分离,选择原有图像内容与艺术作品的图像风格,采用VGG19模型和计算机数据第三方库,计算......
随着深度学习的发展,图像风格转换任务开始使用卷积神经网络实现。针对传统图像转换网络在转换后,保留纹理细节的能力不足的问题,......
虽然基于深度学习的图像风格转换方法已经取得了很大的进展,但是这些方法都没有考虑到生成图像的线条扭曲现象,为此提出直方图损失......
图像到图像转换是一类视觉和图形问题,目标是通过使用一组配对的图像来学习输入图像和输出图像之间的映射.然而,对于许多任务来说,......
CycleGAN算法能很好地解决在图像未配对的情况下不能完成图像风格转换的问题,并且CycleGAN通过加入循环一致性损失,解决了数据分布......
图像到图像的翻译工作在现实中有着广泛的应用,因此在计算机视觉领域得到高度关注。深度学习包括监督学习、非监督学习和半监督学......
针对图像风格转换效率不高、效果不佳的问题,提出一种结合图像纹理特征分析,并基于预训练网络的前馈残差图像风格转换算法。该算法......
