CAP-VSTNet: Content Affinity Preserved Versatile Style Transfer

要約

【タイトル】CAP-VSTNet：コンテンツ親和性を維持した多目的スタイル転送

【要約】

– コンテンツ親和性の損失（特徴やピクセルの親和性を含む）は、フォトリアリスティックなスタイル転送やビデオスタイル転送においてアーティファクトの原因となる主な問題である。
– 本論文では、多目的スタイル転送のための新しいフレームワークであるCAP-VSTNetを提案している。
– この新しいフレームワークは、新しい可逆残差ネットワークとバイアスのない線形変換モジュールから構成されており、従来の可逆ネットワークによらない余分な情報を導入せずにコンテンツ親和性を維持することができる。
– 線形変換によって引き起こされるピクセル親和性の損失問題を解決することができるMatting Laplacianトレーニング損失によって強化され、提案されたフレームワークは多目的スタイル転送に適用され、効果的である。
– 広範な実験により、CAP-VSTNetが最先端の方法と比較して、より優れた質的・定量的な結果を生み出すことができることが示されている。

要約(オリジナル)

Content affinity loss including feature and pixel affinity is a main problem which leads to artifacts in photorealistic and video style transfer. This paper proposes a new framework named CAP-VSTNet, which consists of a new reversible residual network and an unbiased linear transform module, for versatile style transfer. This reversible residual network can not only preserve content affinity but not introduce redundant information as traditional reversible networks, and hence facilitate better stylization. Empowered by Matting Laplacian training loss which can address the pixel affinity loss problem led by the linear transform, the proposed framework is applicable and effective on versatile style transfer. Extensive experiments show that CAP-VSTNet can produce better qualitative and quantitative results in comparison with the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI