10.3969/j.issn.1006-2475.2022.07.004
基于生成对抗网络的图像动漫化
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.
深度学习、生成对抗网络、图像动漫化
TP391(计算技术、计算机技术)
国家自然科学基金61902158
2022-08-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
21-26,32