Two-Stage Peer-Regularized Feature Recombination for Arbitrary Image Style Transfer(CVPR 2020)——論文閱讀

論文下載 摘要 本文介紹一種神經風格遷移模型，所提出方案即使在零樣本設置下也可以產生高質量的圖像，且在更改內容幾何形狀時具有更大的自由度。通過引入Two Stage Peer-Regularization Layer，圖卷積層將潛空間中的風格和內容重新組合在一起。與絕大多數現有方法不同，模型不依賴於任何預訓練網絡來計算感知損失，且直接在潛在空間進行循環損失優化。 引言 神經樣式轉移（NST）研究如

>>阅读原文<<