SN-CLPGAN:基于谱归一化的中国传统山水画风格迁移方法

作     者：胡琦瑶 刘乾龙 彭先霖 张翔 彭盛霖 范建平 HU Qiyao;LIU Qianlong;PENG Xianlin;ZHANG Xiang;PENG Shenglin;FAN Jianping

作者机构：西北大学信息科学与技术学院陕西西安710127 生成式人工智能与混合现实陕西省高等学校重点实验室陕西西安710127 西北大学网络与数据中心陕西西安710127 西北大学艺术学院陕西西安710127 西北大学新型网络智能信息服务国家地方联合工程研究中心陕西西安710127 

基　　金：国家自然科学基金(62471390、62306237) 陕西省重点研发计划(2024GX-YBXM-149) 西北大学研究生创新项目(CX2024204、CX2024206) 

出 版 物：《西北大学学报(自然科学版)》 (Journal of Northwest University(Natural Science Edition))

年 卷 期：2025年第55卷第1期

页      码：63-74页

摘      要：中国传统山水画的风格迁移为文化遗产数字化保护与传承提供了新的路径,近年来,深度学习技术已实现了不同图像间的风格迁移,并展现出栩栩如生的效果。中国传统山水画的风格迁移旨在继承中国古代画家独特的绘画技巧,但存在3个缺陷:①缺乏高质量的中国传统山水画图像数据集;②忽略了中国传统山水画特有的技法和笔墨细节;③风格迁移效果与真实山水画有所差距。为了弥补上述缺陷,首先,创建了一个基于风格迁移的中国传统山水画数据集STCLP,包含4281幅高质量的中国山水画以及自然景观图像,并提出了一种基于谱归一化的中国山水画风格迁移方法SN-CLPGAN。其次,提出了在生成器中使用融合反射填充层的残差稠密块(residual-in-residual dense block,RRDB)学习中国山水画独特的笔触和技法。接着,引入了多尺度结构相似性指数测量(multi-scale structural similarity index measure,MS-SSIM)损失以减少2幅图像之间的像素差异,使生成图像更接近传统绘画的色彩和颜料。最后,采用了融合谱归一化(spectral normalization,SN)的U-Net判别器增强图像纹理细节,并确保了模型训练过程的稳定性。大量实验验证了提出的方法在中国传统山水画风格迁移任务中的有效性和先进性。

主 题 词：风格迁移 人工智能艺术 中国传统山水画 生成对抗网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.16152/j.cnki.xdxbzr.2025-01-005

馆 藏 号：203156936...