基于深度学习的图像风格迁移方法对比研究

朱晴; 孙军梅; 白煌; 李秀梅

doi:10.19926/j.cnki.issn.1674-232X.2022.03.014

杭州师范大学学报（自然科学版） ›› 2022, Vol. 21 ›› Issue (3) : 327 -336. DOI: 10.19926/j.cnki.issn.1674-232X.2022.03.014

基于深度学习的图像风格迁移方法对比研究

朱晴, 孙军梅, 白煌, 李秀梅

作者信息 +

Author information +

文章历史 +

PDF

摘要

采用视觉质量、风格化时间、结构相似性等指标，对7种基于深度学习的图像风格迁移方法的性能进行了定性和定量比较，结果表明：基于图像迭代的神经风格迁移方法NST、松弛最优传输和自相似性STROTSS生成风格化图片视觉质量高，但速度慢且不稳定.对速度要求高时可使用基于模型迭代的方法，其中单网络单风格的快速风格迁移RTST和单网络多风格的条件实例归一化CIN生成风格化图片自然平滑，但不够灵活；对灵活性和功能性要求高时可使用单网络任意风格的自适应实例归一化AdaIN、特征变换WCT及注意力感知多笔画AAMS.