基于生成对抗网络的图像动漫化

摘要：

动漫风格的图像具有高度的简化和抽象等特征,为了解决将现实世界图像转化成动漫风格图像这一问题,提出一种基于生成对抗网络的图像动漫化方法.本文的生成网络是类U-Net的全卷积结构,对输入图像先下采样,并加上浅层的特征用双线性插值的方法进行上采样,判别网络则采用Patch GAN加谱归一化的结构,分别计算语义内容损失和风格损失以提高网络的稳定性.本文采用surface表征损失、structure表征损失和texture表征损失代替风格损失,使得生成动漫图像的效果更可控.写实图像选用train2014,人脸图像采用CelebA-HQ数据集.使用本文模型在这些数据集上进行实验,实验结果表明,本文模型能够有效地完成图像动漫化的过程,并生成较高质量的动漫化图像.

关键词：深度学习、生成对抗网络、图像动漫化

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61902158

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：21-26,32