申请/专利权人：北京大学;北京字节跳动科技有限公司

申请日：2020-04-03

公开（公告）日：2024-03-22

公开（公告）号：CN113496460B

主分类号：G06T3/04

分类号：G06T3/04;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.10.29#实质审查的生效;2021.10.12#公开

摘要：本发明公开一种基于特征调整的神经风格迁移方法及系统，属于图像与视频风格化领域，训练主要由内容编码器、风格编码器、装饰器和解码器组成的神经风格迁移网络模型，输入目标内容图像或视频帧和参考风格图像，得到风格迁移结果图像或视频帧，通过调整神经网络的特征空间与通道两个维度的分布，只需要一次参数前传就可以实现效果良好的风格迁移。

主权项：1.一种基于特征调整的神经风格迁移方法，其特征在于，包括以下步骤：利用训练数据集，训练神经风格迁移网络模型；该神经风格迁移网络模型包括内容编码器、风格编码器、装饰器和解码器；内容编码器和风格编码器均包括连续的若干个卷积层，每个卷积层后跟随一个线性整流函数，中间不相邻的部分卷积层和最后卷积层前使用最大池化进行下采样；装饰器包括一个单样本规范化层和在后的若干个风格装饰模块；解码器包括若干个相互交替的自适应单样本规范化层和残差块，以及位于末尾的一个卷积层；将目标内容图像或视频帧和参考风格图像输入到训练好的神经风格迁移网络模型中进行以下步骤的处理：将目标内容图像或视频帧输入到内容编码器中，处理得到内容编码；将参考风格图像输入到风格编码器中，首个卷积层和含有最大池化的卷积层分别输出风格编码；将内容编码输入到装饰器中，同时在各个风格装饰模块中输入风格编码；将装饰器输出的内容输入到解码器中，在各个自适应单样本规范化层中还依次输入风格编码器不同层的风格编码的均值和方差，处理得到最终的风格迁移结果图像或视频帧。

全文数据：

权利要求：

百度查询： 北京大学;北京字节跳动科技有限公司 一种基于特征调整的神经风格迁移方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD