Texture Networks

Texture Networks 提出用生成网络(generative networks)来进行风格转化。

Gatys 等人使用描述性网络(descriptive networks)提取 style 和 content 特征,利用方向传播不断迭代,优化混合的损失函数,更新输入的噪声。但是,缺点是每次转换都要训练,特别好资源。
Texture Networks 则训练出一个生成网络,一种风格图片只需要训练一次。网络结构如图1 所示:



图1 Texture Networks 结构

训练时,选择一个预先训练好的 Descriptor network,计算 Generator networks 生成好的 Texture 与原始风格图片的 style loss(与Gatys 论文中的一样),然后只更新左边 Generator networks 的参数。

进行图片风格化时,输入一个噪声变量 $z$ 和一个图片 $y$ 的叠加,网络被训练成输出一个图像 $x$ ,$x$ 在内容上靠近 $y$ ,在风格上靠近风格照片 $x_0$。

参考资料

请作者吃酒!