Depth-aware Neural Style Transfer using Instance Normalization

要約

Neural Style Transfer (NST) は、ビジュアル メディアの芸術的な様式化に関係しています。
それは、芸術的なイメージのスタイルを通常の写真に移すプロセスと言えます。
最近、多くの研究で、入力コンテンツ画像にさまざまな深度の多数のオブジェクトが含まれている場合に発生する望ましくない影響に対処するために、NST アルゴリズムの深度保存機能の強化が検討されています。
私たちのアプローチは、高度な深度予測ネットワークを利用するインスタンス正規化レイヤーを備えた深い残差畳み込みネットワークを使用して、コンテンツとスタイルへの追加の損失関数として深度保存を統合します。
コンテンツ イメージの奥行きと全体的な構造を保持するのに効果的な結果を示します。
3 つの異なる評価プロセスは、当社のシステムが様式化された結果の構造を維持しながら、最先端の方法と同等またはそれ以上のスタイル キャプチャ機能と美的品質を示すことができることを示しています。
プロジェクト ページ: https://ioannoue.github.io/depth-aware-nst-using-in.html。

要約(オリジナル)

Neural Style Transfer (NST) is concerned with the artistic stylization of visual media. It can be described as the process of transferring the style of an artistic image onto an ordinary photograph. Recently, a number of studies have considered the enhancement of the depth-preserving capabilities of the NST algorithms to address the undesired effects that occur when the input content images include numerous objects at various depths. Our approach uses a deep residual convolutional network with instance normalization layers that utilizes an advanced depth prediction network to integrate depth preservation as an additional loss function to content and style. We demonstrate results that are effective in retaining the depth and global structure of content images. Three different evaluation processes show that our system is capable of preserving the structure of the stylized results while exhibiting style-capture capabilities and aesthetic qualities comparable or superior to state-of-the-art methods. Project page: https://ioannoue.github.io/depth-aware-nst-using-in.html.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google