DLP-GAN: learning to draw modern Chinese landscape photos with generative adversarial network

中国山水画具有独特的艺术风格，其绘画技巧在使用颜色和逼真的物体表现方面高度抽象。以前的方法主要集中在将现代照片转换为古代水墨画。然而，很少有人关注将山水画转换为现代照片。为了解决这些问题，本文提出了DLP-GAN（使用生成对抗网络绘制现代中国山水照片）这一无监督的跨域图像转换框架，其中包括新颖的不对称循环映射，并引入了基于密集融合模块的生成器以匹配不同的转换方向。此外，还提出了双重一致性损失，以平衡模型绘画的真实性和抽象性。通过这种方式，我们的模型可以以现代意义上的方式绘制山水照片和素描。最后，基于我们收集的现代山水和素描数据集，我们将我们的模型生成的图像与其他基准进行了比较。包括用户研究在内的广泛实验表明，我们的模型优于现有的最先进方法。

该论文的问题是将中国山水画转化为现代照片，实现跨域图像翻译。现有方法主要关注从现代照片到古代水墨画的转换，但很少关注将山水画转化为现代照片。

该论文提出了DLP-GAN，一个基于不对称循环映射的无监督跨域图像翻译框架，使用基于密集融合模块的生成器匹配不同的翻译方向，并提出了双重一致性损失来平衡模型绘画的真实性和抽象性。

该论文的亮点包括使用了双向翻译模型，提出了双重一致性损失，使用了基于密集融合模块的生成器，并在现代山水画和草图数据集上进行了广泛的实验，包括用户研究，证明了该模型的优越性。

最近在这个领域中，还有一些相关的研究，如CycleGAN，UNIT，DRIT等。