基于CycleGAN的艺术风格迁移

上传者: github_38394033 | 上传时间: 2019-12-21 19:47:43 | 文件大小: 5.32MB | 文件类型: pdf
我们使用了循环一致性生成对抗网络( CycleConsistent Generative Adversarial Networks, CycleGAN)实现了将绘画中的艺术风格迁移到摄影照片中的效果。这种方法从图像数据集中学习整体风格,进行风格转换时只要将目标图片输入网络一次,不需要迭代的过程,因此速度较快。我们使用了一些自己制作的数据集训练了 CycleGAN 风格迁移模型,并分析了这种方法的优点和局限性。为了使风格转换后的图片保留原来的色彩分布,我们实现并分析对比了多种颜色匹配的方法。我们还利用了 Mask R-CNN 模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。

文件下载

评论信息

  • 至雪无尘AX :
    代码没了吧
    2020-10-08
  • Qi_28586523 :
    这个还可以
    2019-04-17
  • Stefanie_SHEN :
    资源打不开
    2019-04-08
  • hofe :
    内容很丰富,最可贵的是资源不需要很多积分.
    2019-02-05
  • suangzi123 :
    这个还可以
    2018-12-10

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明