在艺术领域,尤其是绘画,艺术家们通过创造不同的内容与风格,并相互交融影响来创立独立的视觉体验。如果给定两张图像,现在的技术手段,完全有能力让计算机识别出图像具体内容。而风格是一种很抽象的东西,在计算机的眼中,当然就是一些pixel,但人眼就能很有效地的辨别出不同画家不同的style,是否有一些更复杂的feature来构成,最开始学习DeepLearning的paper时,多层网络的实质其实就是找出更复杂、更内在的features,所以图像的style理论上可以通过多层网络来提取里面可能一些有意思的东西。而这篇文章就是利用卷积神经网络(利用pretrain的Pre-trained VGG network model)来分别做Content、Style的reconstruction,在合成时考虑content loss 与style loss的最小化(其实还包括去噪变化的的loss),这样合成出来的图像会保证在content 和style的重构上更准确。
相关文章
- 03-05HashMap保姆级理解解析
- 03-05先验概率和后验概率的直观理解
- 03-05Hbase架构原理解析
- 03-05有关于分布式和SOA的理解
- 03-05spring阅读理解Day4
- 03-05Adaptive Autosar 整体架构理解
- 03-05关于obj.currentStyle.property、window.getComputedStyle(obj,null).property、obj.style.property的理解
- 03-05String源码理解之indexOf函数
- 03-05Pytorch——BatchNorm层和LayerNorm层的参数含义以及应用理解
- 03-05深度学习中的 BN (batchNormalization)理解