典型文献
新的基于GAN的局部写实感漫画图像风格迁移
文献摘要：
利用生成对抗网络对图像进行风格迁移,将真实世界的图像直接转换为高品质动漫风格,是当今计算机视觉的研究热点之一.针对目前流行的AnimeGAN和CartoonGAN漫画生成对抗网络在图像迁移中存在细节丢失严重、色彩失真等问题.通过引入SE-Residual Block(挤压激励残差块)、漫画脸部检测机制并优化损失函数提出全新的ExpressionGAN解决了AnimeGAN迁移图像细节丢失严重的问题.通过加入DSConv(分布偏移卷积)提出Scenery-GAN加快了训练速度并消除了CartoonGAN迁移图像中的歧义像素块.通过卷积优化了图像的融合边界.同时,提出了一种新的对原始图像人物和环境分别处理并融合的局部写实主义漫画模型.实验结果表明,与AnimeGAN和CartoonGAN相比,该方法在训练速度、漫画图像生成质量和图像局部写实感方面都有了明显的提升.
文献关键词：
图像风格迁移;生成对抗网络;动漫风格;局部真实感;AnimeGAN;CartoonGAN
中图分类号：
作者姓名：
孙天鹏;周宁宁;黄国方
作者机构：
南京邮电大学 计算机学院,南京 210023;国电南瑞科技股份有限公司,南京 211106
文献出处：
引用格式：
[1]孙天鹏;周宁宁;黄国方-.新的基于GAN的局部写实感漫画图像风格迁移)[J].计算机工程与应用,2022(14):167-176
A类：
AnimeGAN,CartoonGAN,ExpressionGAN,Scenery,漫画图像生成,局部真实,局部真实感
B类：
图像风格迁移,生成对抗网络,真实世界,接转,动漫风格,计算机视觉,色彩失真,SE,Residual,Block,挤压激励,残差块,画脸,脸部,检测机,优化损失函数,DSConv,训练速度,歧义,像素块,卷积优化,原始图像,别处,写实主义,和图像
AB值：
0.247631
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。
