申请/专利权人:杭州电子科技大学
申请日:2024-02-01
公开(公告)日:2024-04-19
公开(公告)号:CN117911239A
主分类号:G06T3/04
分类号:G06T3/04;G06N3/0455;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开一种应用于中国山水画的图像风格迁移方法,首先,将未配对的真实风景图像和中国山水画图片组成的图像数据构建训练集和测试集;然后,构建风格迁移模型,通过残差注意力生成器对输入的训练集中的真实风景图像进行特征提取,生成对应假图像;接着,将所述假图像和真实风景图像分别输入到预训练的文本‑图像编码器中编码成语义向量,后由模型引入的语义约束模块计算语义损失函数;再者,将计算得到的语义损失函数传递给风格迁移模型,通过反向传播优化残差注意力生成器,更新模型参数,迭代训练至模型收敛;最后,采用测试集对训练好的风格迁移模型进行测试。本发明有效解决了中国山水画风格迁移任务中细节不清晰、语义特征模糊的问题。
主权项:1.一种应用于中国山水画的图像风格迁移方法,其特征在于:首先,收集未配对的真实风景图像和中国山水画图片组成的图像数据,构建训练集和测试集;然后,构建风格迁移模型,设计模型的残差注意力生成器,并通过该残差注意力生成器对输入的训练集中的真实风景图像进行多尺度和全局信息的特征提取,生成对应假图像;接着,在模型中引入语义约束模块,将所述假图像和真实风景图像分别输入到预训练的文本-图像编码器中编码成语义向量,后由语义约束模块计算衡量语义相似度的语义损失函数;再者,将计算得到的语义损失函数传递给风格迁移模型,通过反向传播优化残差注意力生成器,更新模型参数,通过迭代训练至模型收敛;最后,采用测试集对训练好的风格迁移模型进行测试。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种应用于中国山水画的图像风格迁移方法
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。