申请/专利权人：大连理工大学

申请日：2021-11-04

公开（公告）日：2024-04-26

公开（公告）号：CN113888400B

主分类号：G06T3/04

分类号：G06T3/04;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明提供一种图像风格迁移方法及装置，方法包括：将所述内容图像Ic和风格图像Is输入到预训练好的编码器网络E中进行特征提取，将内容特征C和风格特征S融合并投影到隐空间Z；将风格特征S的信息输入解码器网络D的第一层卷积中获得解调过后的解码器第一层权重A'1；基于FastICA算法获取一个分离矩阵W，所述分离矩阵W使矩阵'中各向量的相关性最小；基于所述分离矩阵W与矩阵'计算获取解调后的语义方向集合；基于获取的语义方向编辑所述隐空间Z中的隐空间向量，结合解码器网络D最终获取风格迁移后的图像。本发明不需要大规模的风格数据集进行训练，也不需要学习任何参数，并且能够应用于多数风格迁移模型。

主权项：1.一种图像风格迁移方法，其特征在于，包括以下步骤：获取内容图像Ic和风格图像Is；将所述内容图像Ic和风格图像Is输入到预训练好的编码器网络E中进行特征提取，从而获得内容特征C和风格特征S；通过数学运算或卷积网络将内容特征C和风格特征S融合，并将融合后的图像特征投影到隐空间Z，将内容特征C和风格特征S融合，包括根据以下计算获取融合结果： 其中，AdaINC,S为内容特征C和风格特征S融合结果，σS为风格特征S的标准差，μS为风格特征S的均值，σC为内容特征C的标准差，μC为内容特征C的均值；对风格特征S输入编码器编码后得到的风格张量，将所述风格张量输入解码器网络D的第一层卷积中，基于所述风格特征S调整解码器网络第一层卷积对应的权重A1，进而获得解调过后的解码器第一层权重A1'，包括根据以下方式获取解调过后的解码器第一层权重A1'： 其中，A1为解码器网络第一层卷积对应的权重，A1'为解调过后的解码器第一层权重，S为风格特征，ε为常数项；基于FastICA算法获取一个分离矩阵W，所述分离矩阵W使矩阵A1'TA'1中各向量的相关性最小；基于所述分离矩阵W与矩阵A1'TA'1计算获取解调后的语义方向集合，包括根据以下计算获取解调后的语义方向集合：N＝{n1,n2,L,nk}＝WA'1TA'1其中，N为解调后的语义方向集合，ni为第i个语义方向，i＝1Lk，W为分离矩阵，A'1为解调过后的解码器第一层权重，A'1T为解调过后的解码器第一层权重的转置；基于获取的语义方向编辑所述隐空间Z中的隐空间向量，结合解码器网络D最终获取风格迁移后的图像。

全文数据：

权利要求：

百度查询： 大连理工大学 一种图像风格迁移方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD