基于非线性卷积的可控图像类推和自类推技术

作     者：古元亭 吴恩华 Gu Yuanting;Wu Enhua

作者机构：中国科学院软件研究所计算机科学国家重点实验室北京100080 澳门大学科学技术学院电脑与资讯科学系中国澳门 

基　　金：国家“九七三”重点基础研究发展规划项目(2002CB312102) 国家自然科学基金(60473105) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2008年第20卷第3期

页      码：332-336页

摘      要：提出一种新的图像类推技术,定义"风格"为作用于内容上的非线性卷积过程.通过估计卷积核实现风格学习,通过执行卷积实现风格的传递.该定义能够极大地加快类推速度,提高风格学习与样本数据的独立性,增强图像类推的稳定性与适用性.同时还提出了对图像进行迭代式风格化作用的连续类推思想,以及通过自身构建训练集的自类推思想.连续类推可以生成不同强度的风格化序列,进而实现图像类推控制;图像自类推则可以应用于超分辨等与尺度相关的问题.

主 题 词：风格化学习 图像类推 可控类推 非线性卷积 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 0835[0835] 081101[081101] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203578806...