论文研究 基于深度学习的图像生成与样式转移算法研究

针对当前的艺术创作和动画创作过程,在从草图到样式化图像的转换过程中有很多重复的手动操作。 本文提出了一种基于深度学习框架的解决方案,以实现图像生成和样式转换。 该方法首先使用条件生成来抵抗网络,优化训练映射关系的损失函数,并从输入草图生成实际图像。 然后,通过定义和优化样式转移模型的感知损失函数,从图像中提取样式特征,从而形成图像与风格化艺术图像之间的实际转换。 实验表明,该方法可以大大减少着色和不同艺术效果的转换工作,达到将简笔画转换为实际物体图像的目的。