风格迁移

风格迁移:给定图像的CNN特征向量,找到一个新图像:

1. 与给定图像的CNN特征向量相似

2. “看起来很自然”(图像先验正则化,正则化项鼓励空间平滑)

DeepDream:放大特征

选择一张图像和一个CNN层,重复步骤1-2:

1. 前向:将所选层的梯度设置为激活值

2. 反向:计算图像的梯度,更新图像

格拉姆矩阵(Gram矩阵)

图像的HW个向量之间两两的内积所组成的矩阵

风格相似==>格拉姆矩阵很相像

多种风格的风格迁移:通过对格拉姆矩阵进行加权平均,从多幅图像中混合风格。

快速风格迁移:使用前馈网络,适用预训练的CNN计算与以前相同的损失,训练后,使用单次前向传播对图像进行风格迁移

用Instance Normalization进行风格迁移:交换特征通道统计量,因为Gram矩阵较难替换

$x_{norm}=\frac{x-\mu(x)}{\sigma},z=\gamma_sx_{norm}+\beta_s$,其中$\gamma_s,\beta_s$是可学习的参数

# 深度学习 # 人工智能
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

cover

替你试过了，消费级显卡可以跑的开源文生图SOTA模型，顶级渲染、高密度文本绘图

avatar 魔乐社区
cover

量化挑战赛冠军专访：4小时啃下W4A8量化，我靠的是这些经验

avatar 魔乐社区

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模

avatar 魔乐社区