典型文献
基于生成对抗网络的图像动漫化
文献摘要：
动漫风格的图像具有高度的简化和抽象等特征,为了解决将现实世界图像转化成动漫风格图像这一问题,提出一种基于生成对抗网络的图像动漫化方法.本文的生成网络是类U-Net的全卷积结构,对输入图像先下采样,并加上浅层的特征用双线性插值的方法进行上采样,判别网络则采用Patch GAN加谱归一化的结构,分别计算语义内容损失和风格损失以提高网络的稳定性.本文采用surface表征损失、structure表征损失和texture表征损失代替风格损失,使得生成动漫图像的效果更可控.写实图像选用train2014,人脸图像采用CelebA-HQ数据集.使用本文模型在这些数据集上进行实验,实验结果表明,本文模型能够有效地完成图像动漫化的过程,并生成较高质量的动漫化图像.
文献关键词：
深度学习;生成对抗网络;图像动漫化
中图分类号：
作者姓名：
翟慧聪;张明;邓星;王利群
作者机构：
江苏科技大学计算机学院,江苏 镇江 212100
文献出处：
引用格式：
[1]翟慧聪;张明;邓星;王利群-.基于生成对抗网络的图像动漫化)[J].计算机与现代化,2022(07):21-26,32
A类：
图像动漫化,train2014
B类：
生成对抗网络,动漫风格,现实世界,世界图像,转化成,生成网络,Net,全卷积,先下,下采样,征用,双线性插值,上采样,判别网络,Patch,GAN,谱归一化,语义内容,surface,structure,texture,写实,人脸图像,CelebA,HQ,成图
AB值：
0.307717
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
