基于拉普拉斯算子抑制伪影的神经风格迁移方法

摘要：

在图像神经风格迁移(Neural Style Transfer)技术中,大多算法都存在影响视觉效果的伪影:棋盘效应与影响原图语义内容的纹理.对此,提出一种基于拉普拉斯算子抑制伪影的图像风格迁移方法.首先,使用空洞卷积、1×1卷积重新设计了快速神经风格迁移的转换网络.然后,将变换后的结果输入VGG进行特征检测,并将原图也输入VGG进行特征检测,将这两种特征进行拉普拉斯算子滤波后计算两者的L1误差.约束图像变化,以抑制伪影.在最后的解码器阶段,使用了重新设计的网络结构,并增加了dropout的编码器来修改图像内容.在加深网络的同时,通过1×1卷积控制模型体积,将模型体积缩小了6％.实验表明了该方法抑制伪影的效果优于传统方法,其可以生成良好视觉效果的图像.

关键词：风格迁移、卷积神经网络、拉普拉斯算子、Gram矩阵、残差

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;浙江省自然科学基金

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：209-214