论文标题：Drafting and Revision: Laplacian Pyramid Network for Fast High-Quality Artistic Style Transfer

论文链接：https://arxiv.org/abs/2104.05376

代码链接：https://github.com/PaddlePaddle/PaddleGAN/

作者单位：百度 & 西安电子科技大学 & 重庆邮电大学

可快速生成高分辨率和高质量的风格迁移结果，比如风格化512 pix的速度可达110 FPS！性能优于SANet、AdaIN等网络，代码即将开源！

艺术风格迁移旨在将风格从示例图像迁移到内容图像。当前，基于优化的方法已经实现了很高的风格化质量，但是昂贵的时间成本限制了它们的实际应用。同时，前馈方法仍然无法综合复杂的样式，尤其是当存在整体全局和局部模式时。在绘制草图和修改细节的常见绘画过程的启发下，我们引入了一种新颖的前馈方法，称为拉普拉斯金字塔网络（LapStyle）。 LapStyle首先通过“绘图网络”以低分辨率传输全局样式风格。然后，它通过修订网络以高分辨率修改局部细节，该网络根据草图和通过拉普拉斯滤波提取的图像纹理对残差图像进行幻觉处理。通过堆叠具有多个拉普拉斯金字塔等级的修订版网络，可以轻松生成更高分辨率的细节。最终的风格化图像是通过汇总所有金字塔level的输出而获得的。我们还引入了patch识别器，以更好地对抗性地学习local patterns。实验表明，我们的方法可以实时合成高质量的风格化图像，并且可以正确地传递整体风格。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除