基于残差对抗神经网络的图像艺术风格迁移

作     者：杨天 庾晨龙 YANG Tian;YU Chenlong

作者机构：安徽理工大学计算机科学与工程学院安徽淮南232001 

出 版 物：《哈尔滨商业大学学报(自然科学版)》 (Journal of Harbin University of Commerce:Natural Sciences Edition)

年 卷 期：2025年第41卷第1期

页      码：31-37页

摘      要：图像的艺术风格迁移旨在维持图像内容特征不变的前提下,将其风格特征转变为另一张图像所具有的风格特征.然而,当前的风格迁移方法在网络处理中采用都是像素级的卷积,往往存在内容信息和风格信息的普遍丢失问题,导致生成的风格化图片泄露原有的内容.为解决这一问题,提出了一种新的残差对抗网络模型,名为RLGAN(Residually Generative Network).模型采用了多层残差链接的结构,将网络前面的内容信息与深层特征相链接,有效应对信息损失的问题.RLGAN在传输风格信息的同时,巧妙地保护了图像的内容纹理结构,能够对一张给定的内容图和另一张风格图生成内容保真的风格化结果.在模型训练过程中,引入了判别器和全新设计的损失函数,优化解码器参数的更新,从而提高模型性能.RLGAN模型能够生成既具有原始内容图的纹理结构,又具备艺术风格的图像.这一创新性的方法旨在克服传统风格迁移中常见的信息损失问题,提供更加真实和富有艺术感的图像生成.

主 题 词：残差链接 对抗神经网络 结构保护 内容保真 信息损失 样式迁移 

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

D　O　I：10.3969/j.issn.1672-0946.2025.01.005

馆 藏 号：203157295...