復(fù)雜景觀圖像的語義多狀態(tài)圖像風(fēng)格遷移
所屬分類：技術(shù)論文
上傳者：wwei
文檔大小：6635 K
標(biāo)簽： 景觀圖像 局部風(fēng)格遷移 SCST
所需積分：0分積分不夠怎么辦？
文檔介紹：復(fù)雜景觀圖像包含具有不同特征的各種對象，傳統(tǒng)的風(fēng)格遷移方法無法在同一圖像中對不同對象進行局部風(fēng)格遷移。CycleGAN可以通過偽監(jiān)督策略在沒有配對樣本的情況下實現(xiàn)風(fēng)格遷移。但是CycleGAN無法實現(xiàn)對復(fù)雜風(fēng)景圖像中不同類別對象的風(fēng)格遷移；同時CycleGAN在復(fù)雜場景中的泛化能力不足且復(fù)雜度高。因此，提出了一種基于語義類別的復(fù)雜風(fēng)景多狀態(tài)圖像生成方法，即語義類別風(fēng)格遷移（Semantic Category Style Transfer，SCST），能夠有效地結(jié)合局部特征實現(xiàn)復(fù)雜風(fēng)景的圖像生成。同時提出了上下文感知的風(fēng)格遷移模型GCycleGAN。實驗結(jié)果表明本文提出的GCycleGAN的性能優(yōu)于CycleGAN、DualGAN和Munit等基于深度學(xué)習(xí)的圖像生成模型。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。