讀“基於深度學習的影像風格遷移研究綜述”有感
前言
- 關於傳統非引數的影像風格遷移方法和現如今基於深度學習的影像風格遷移方法。
- 基於深度學習的影像風格遷移方法:基於影像迭代和模型迭代的兩種方法的優缺點。
- 基於深度學習的影像風格遷移方法的存在問題及其應用前景。
基於深度學習的影像風格遷移研究
傳統非引數的影像風格遷移方法
- 傳統非引數的影像風格遷移方法是主要基於物理模型的繪製和紋理的合成,但是非引數影像風格遷移方法只能提取影像的底層特徵,而非高層抽象特徵在處理顏色和紋理較複雜的頭像時,最終的合成效果較為粗糙難以符合實際需求。
基於卷積神經網路的影像風格遷移
- 隨著深度學習的興起,Gatys等人開創性的提出了一種基於卷積神經網路的影像風格遷移。該方法可以將影像的內容抽象特徵表示和風格抽象特徵表示進行分離,並通過獨立處理這些高層抽象特徵表示來有效的實現影像風格遷移。
影像迭代和模型迭代的優缺點
- 目前基於深度學習的影像風格遷移方法主要包括:基於影像迭代和基於模型迭代。對於這兩張方法,其中基於影像迭代的優點有:合成圖上的質量高,可控性好,易於調參,無需訓練資料,。但是其計算時間較長,對預訓練模型的依賴性也大。而基於模型迭代的方法及計算速度快,可用於視訊快速風格化,目前是工業應用軟體的主流技術。但是該方法影像生成質量還有待提高,而且還需要大量的資料進行訓練。基於影像迭代的目標是使得白噪聲影像同時匹配內容影像的內容特徵表示和風格圖上的風格特徵表示,最終獲得風格化的合成影像。主要的基本方法有最大均值差異法,馬爾可夫隨機場法,深度影像類比法。而基於模型迭代的主要方法有生成模型法,影像重構解碼器法。
基於深度學習的影像風格遷移方法的應用
- 隨著基於深度學習的影像風格遷移,在演算法和理論方面的不斷改進,目前基於深度學習的影像風格遷移主要應用於影像處理,視訊處理和風格設計的輔助工具。
基於深度學習的影像風格遷移方法存在的問題
-
就目前研究來看,基於深度學習的影像風格遷移方法,在如何提高演算法效率和影像質量上仍有很大的研究空間。除此之外基於深度學習的影像風格遷移的演算法仍存在如下一些問題:避免引數調整的問題,預訓練模型的限制問題,遷移學習理論還有待完善的問題,預處理和後處理方法的選擇。
-
總而言之,基於深度學習的影像風格遷移在工業界中有很大的需求,且具有重要的研究意義和廣闊的應用前景,因此對於這方面的學習非常值得我們去研究和深造。
相關文章
- android中的深度學習——快速風格遷移Android深度學習
- Action Recognition——基於深度學習的動作識別綜述深度學習
- 簡述遷移學習在深度學習中的應用遷移學習深度學習
- 影像風格遷移(Neural Style)簡史
- 《基於深度學習的目標檢測綜述》論文獲發表深度學習
- 深度有趣 | 30 快速影象風格遷移
- 遷移學習系列---基於例項方法的遷移學習遷移學習
- 基於GAN的字型風格遷移 | CVPR 2018論文解讀
- 基於深度學習的影像超解析度重建技術的研究深度學習
- 基於深度學習的入侵檢測系統綜述文獻概述——AI科研之路深度學習AI
- 世界頂級AI大神綜述深度學習AI深度學習
- 基於VGG的遷移學習遷移學習
- 機器學習開源框架系列:Torch:3:影像風格遷移機器學習框架
- 基於深度學習的場景文字檢測和識別(Scene Text Detection and Recognition)綜述深度學習
- UCloud AI Train深度學習實踐:使用TensorFlow實現快速風格遷移CloudAI深度學習
- 深度學習演算法簡要綜述(下)深度學習演算法
- 深度學習+深度強化學習+遷移學習【研修】深度學習強化學習遷移學習
- 一文綜述用於推薦系統的所有深度學習方法深度學習
- 基於深度學習的影像超解析度重建深度學習
- 基於深度學習的醫學影像配準學習筆記2深度學習筆記
- 超解析度分析(二)--深度學習方案綜述深度學習
- 基於深度學習的影像分割在高德的實踐深度學習
- AutoML研究綜述:讓AI學習設計AITOMLAI
- Python 超簡單實現 9 種影像風格遷移Python
- 人工智慧AI影像風格遷移(StyleTransfer),基於雙層ControlNet(Python3.10)人工智慧AIPython
- 美團如何基於深度學習實現影像的智慧稽核?深度學習
- Flora影象風格遷移AppAPP
- 【讀論文】 -- 推薦系統研究綜述
- 【深度學習系列】遷移學習Transfer Learning深度學習遷移學習
- 綜述:影像風格化演算法最全盤點 | 內附大量擴充套件應用演算法套件
- 深度學習在推薦系統中的應用綜述(最全)深度學習
- Nature論文解讀 | 基於深度學習和心臟影像預測生存概率深度學習
- 深度學習行人重識別ReID最新綜述與展望深度學習
- 深度學習之遷移學習介紹與使用深度學習遷移學習
- 神經風格遷移:使用 tf.keras 和 Eager Execution,藉助深度學習創作藝術作品Keras深度學習
- 遷移學習的基礎研究問題及適用場景遷移學習
- 網路廣告研究綜述
- 必讀的AI和深度學習部落格AI深度學習