摘要:生成对抗网络常常被用于图像着色、语义合成、风格迁移等图像转换任务,但现阶段图像生成模型的训练往往依赖于大量配对的数据集,且只能实现两个图像域之间的转换。针对以上问题,提出了一种基于生成对抗网络的时尚内容和风格迁移模型(基于生成性对抗网络的内容和风格传输,CS-GAN)该模型利用对比学习框架最大化时尚单品与生成图像之间的互信息,可保证在时尚单品结构不变的前提下实现内容迁移;通过层一致性动态卷积方法,针对不同风格图像自适应地学习风格特征,实现时尚单品任意风格迁移,对输入的时尚单品进行内容特征(如颜色、纹理)和风格特征(如莫奈风、立体派)的融合,实现多个图像域的转换。在公开的时尚数据集上进行对比实验和结果分析,该方法与其他主流方法相比,在图像合成质量、初始得分和氢火焰离子化检测器距离评价指标上均有所提升。
侯磊、侯磊、侯磊[J] ●●●●。,2024, 60(9): 261-271.
丁文华、杜俊伟、侯磊、刘金环。基于生成对抗网络的时尚内容与风格传递[J]。计算机工程与应用,2024,60(9):261-271。