VALSE 论文速览 第07期：图像风格化鲁棒性的再思考和提升

论文题目：图像风格化鲁棒性的再思考和提升

作者列表：Pei Wang (UC San Diego)，Yijun Li (Adobe Research), Nuno Vasconcelos (UC San Diego)

B站观看网址：

https://www.bilibili.com/video/BV1YM4y157uf/

复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。

论文摘要：

现在很多研究采用VGG来作为图像风格化的特征提取器，而不是使用更加先进的结构比如ResNet。已经有文章发现VGG在这个特定任务上的表现要优于ResNet。在本文，我们通过大量实验，发现造成ResNet表现较差的原因是参差连接。这种结构使得较深层特征的entropy较小，不容易被优化，从而部分风格特征没有被迁移。为了解决这个问题，我们提出在计算优化时首先平滑特征，从而使优化变的容易。实验证明了我们方法的有效性。

论文信息：

[1] Pei Wang, Yijun Li, Nuno Vasconcelos, “Rethinking and improving the robustness of image style transfer,” in Proceeding of IEEE Computer Vision and Pattern Recognition (CVPR 2021), virtual, June 2021. 

论文链接：

[https://openaccess.thecvf.com/content/CVPR2021/papers/Wang_Rethinking_and_Improving_the_Robustness_of_Image_Style_Transfer_CVPR_2021_paper.pdf]

视频讲者简介：

Pei Wang，本科和硕士分别毕业于电子科技大学和中科院自动化所。目前就读于加州大学圣地亚哥分校，主要从事人机协同学习，图像生成，可解释性人工智能的研究。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：王栋 (大连理工大学)、王鹤 (北京大学)

季度责任AC：王兴刚 (华中科技大学)