Semantic Painting Style Transfer Using Convolutional Neural
發(fā)布時(shí)間:2024-03-25 19:34
繪畫(huà)是繪畫(huà)中的一個(gè)重要類(lèi)型。等人為提供了人們普遍使用的人像傳輸系統(tǒng)。肖像攝影風(fēng)格在其中最為重要,絕大部分學(xué)者正試圖為調(diào)整肖像風(fēng)格作出努力,但極少數(shù)關(guān)注到繪畫(huà)風(fēng)格。繪畫(huà)風(fēng)格極為有趣,它通過(guò)人物圖解法,精致顯示人臉及人體構(gòu)造的細(xì)微差別。最近,公眾風(fēng)格定位試圖將語(yǔ)義材料融入舊式方法中。通過(guò)這一方法,在語(yǔ)義一致的領(lǐng)域進(jìn)行風(fēng)格轉(zhuǎn)換時(shí),能夠高度保留原始內(nèi)容。在本文,我們建議采用高級(jí)框架以獲得良好或高階的語(yǔ)義繪畫(huà)風(fēng)格轉(zhuǎn)換.我們介紹一種新式技術(shù),以解決語(yǔ)義繪畫(huà)風(fēng)格轉(zhuǎn)化展示、特征重建以及特征攝影的問(wèn)題。重建部分考慮的是如何通過(guò)特征重建解決及優(yōu)化內(nèi)容和風(fēng)格損壞的問(wèn)題。這將大大降低在傳輸過(guò)程視像丟失的程度。解釋器將重建部分轉(zhuǎn)換為風(fēng)格化圖像。通過(guò)細(xì)致銜接原始畫(huà)面和繪畫(huà)風(fēng)格版本,這一技術(shù)不僅可以作為漸進(jìn)式優(yōu)化系統(tǒng)獲得合理結(jié)果并且能夠幫助發(fā)現(xiàn)何種方法更好更快速。我們相信本文能夠闡明與這一問(wèn)題相關(guān)的兩個(gè)重要的研究方法并明晰隨之而來(lái)的研究?jī)?nèi)容.我們的未來(lái)方法不僅僅限于頭部攝影或是特定的風(fēng)格,因?yàn)槲覀兊姆椒ㄟ考慮語(yǔ)義繪畫(huà)風(fēng)格變換的問(wèn)題。圖片的語(yǔ)義內(nèi)容將展現(xiàn)不同的風(fēng)格,從這個(gè)角度來(lái)看,將實(shí)現(xiàn)一個(gè)難度較高的圖片處理目的。以...
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
CHAPTER1 INTRODUCTION
1.1 INTRODUCTION
1.2 LITERATURE REVIEW
1.3 MAIN WORK
CHAPTER2 BACKGROUND RESEARCH
2.1 MOTIVATION
2.2 STYLE RECONSTRUCTION LOSS
2.3 BACKWARD STYLE TRANSFER
2.4 SIGNIFICANCE OF THE TOPIC
2.5 VISUAL TEXTURE MODELLING
2.6 TENSOR FLOW PLUS KERI’S
CHAPTER3 SYSTEM DESIGN
3.1 FAST STYLE TRANSFER
3.2 SEMANTIC STYLE TRANSFER
3.3 PROPOSED METHOD
3.4 TRANSFORMATION NETWORK
3.5 IMAGE CLASSIfiCATION NETWORK
CHAPTER4 SYSTEM IMPLEMENTATION
4.1 FEATURES OF ORIGINALITY
4.2 QUALITATIVE ANALYSIS
4.3 EXPERIMENTS
4.4 STYLIZED IMAGE OVERVIEW
CHAPTER5 EVALUATION
5.1 OUR METHODOLOGY
5.2 LABELING
5.3 DISCUSSION
5.4 CONCLUSION
5.5 FUTURE WORK
REFERENCES
APPENDIX A SEMANTIC PAINTING STYLE TRANSFER USING CNNS
攻讀碩士學(xué)位期間取得的研究成果
ACKNOWLEDGEMENTS
附件
本文編號(hào):3938772
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
CHAPTER1 INTRODUCTION
1.1 INTRODUCTION
1.2 LITERATURE REVIEW
1.3 MAIN WORK
CHAPTER2 BACKGROUND RESEARCH
2.1 MOTIVATION
2.2 STYLE RECONSTRUCTION LOSS
2.3 BACKWARD STYLE TRANSFER
2.4 SIGNIFICANCE OF THE TOPIC
2.5 VISUAL TEXTURE MODELLING
2.6 TENSOR FLOW PLUS KERI’S
CHAPTER3 SYSTEM DESIGN
3.1 FAST STYLE TRANSFER
3.2 SEMANTIC STYLE TRANSFER
3.3 PROPOSED METHOD
3.4 TRANSFORMATION NETWORK
3.5 IMAGE CLASSIfiCATION NETWORK
CHAPTER4 SYSTEM IMPLEMENTATION
4.1 FEATURES OF ORIGINALITY
4.2 QUALITATIVE ANALYSIS
4.3 EXPERIMENTS
4.4 STYLIZED IMAGE OVERVIEW
CHAPTER5 EVALUATION
5.1 OUR METHODOLOGY
5.2 LABELING
5.3 DISCUSSION
5.4 CONCLUSION
5.5 FUTURE WORK
REFERENCES
APPENDIX A SEMANTIC PAINTING STYLE TRANSFER USING CNNS
攻讀碩士學(xué)位期間取得的研究成果
ACKNOWLEDGEMENTS
附件
本文編號(hào):3938772
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3938772.html
最近更新
教材專(zhuān)著