基于拉普拉斯算子抑制伪影的神经风格迁移方法

作者：张美玉; 刘跃辉; 秦绪佳^*; 吴良武

来源：计算机科学, 2020, S2: 209-214.

• 风格迁移
• 卷积神经网络
• 拉普拉斯算子
• Gram矩阵
• 残差

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。

• 单位
  浙江工业大学