基于生成式对抗网络的画作图像合成方法

摘要

画作图像合成旨在将两个不同来源的图像分别作为前景和背景融合在一起,这通常需要局部风格迁移.现有算法过程繁琐且耗时,不能做到实时的图像合成.针对这一缺点,提出了基于生成式对抗网络(genera-tive adversarial net,GAN)的前向生成模型(PainterGAN).PainterGAN的自注意力机制和U-Net结构控制合成过程中前景的语义内容不变.同时,对抗学习保证逼真的风格迁移.在实验中,使用预训练模型作为PainterGAN的生成器,极大地节省了计算时间和成本.实验结果表明,比起已有方法,PainterGAN生成了质量相近甚至更好的图像,生成速度也提升了400倍,在解决局部风格迁移问题上是高质量、高效率的.