10.3969/j.issn.1672-6375.2021.07.005
基于StyleGAN的动漫图像生成
让计算机自己创作动漫图像是一项非常有趣且有实际应用需求的任务,近些年来深度学习的进步使这项工作成为可能.深度学习中的生成对抗模型能够通过捕捉数据的内在分布来生成以假乱真的结果,现已成为生成动漫图像的有力工具.本论述分析了生成对抗网络的工作原理,进而对其中能够对图像高阶属性进行控制的StyleGAN模型进行了深入研究,并将其应用于动漫图像的生成.在Anime-Face动漫图像数据集上的实验结果验证了训练后的StyleGAN能够根据需要控制生成图像的整体风格,生成的图像具有良好的局部随机性,而且同时具有非常优秀的视觉质量.
深度学习;风格迁移;图像生成;生成对抗网络
50
TP391.41(计算技术、计算机技术)
2021-09-02(万方平台首次上网日期,不代表论文的发表时间)
共3页
14-16