Arbitrary Style Transfer in Real time with Adaptive Instance Normalization

這是和Google Fast Multi-Style Transfer 同期(註1)的一篇作品,主要也是試圖解決混合多種畫風到圖片上的問題。和Google不同的是:作者提出了另外一個叫Adaption Instance Normalization的方法來處理這個問題。

作者認為這個方法比google Conditional Instance Normalization好的地方在於當需要混合的Style數量很大時,需要訓練的參數並不會線性增長。此外,這也是第一個可以Realtime混合多種Style到圖片上的方法,其速度(註2)是Neural Art始祖[1]的720倍,更多細節請參考

原始論文:Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization

程式碼實作:Github

 

註1:這兩篇都是出現在2017 ICLR的Conference,前者是Poster後者是Workshop

註2:作者的實驗是在15 FPS Pascal Titan X GPU的狀況測的
[1]:Gatys et.al 2015 A Neural Algorithm for Artistic Style

Share the joy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

近期文章

近期迴響

彙整

分類

其它

kuanchen Written by:

Be First to Comment

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *