对神经风格迁移算法「快」与「更快」的笔触大小控制而言,思路类似于之前提到的笔触方向控制的可能解决方案。在 NPR 领域,有大量的研究人员在做笔触大小控制。若要进行回顾,我们推荐 [39] 中的章节 1。 8 结论和未来工作 过去三年来,神经风格迁移已经持续成长为了一个蓬勃发展的研究领域。这一研究领域内越来越多的活动受到了科学挑战和工业需求的推动。而且在神经风格迁移领域内,研究者们也已经进行了数量可观的研究。这一领域内的关键进展见于表 3。总体而言,这篇概述提供了对神经风格迁移现有研究的广泛调研,覆盖了当前方法的类别、它们的改进和扩展、评估方法以及现有的挑战和对应的可能解决方案。此外,我们还概述了神经风格迁移的三个应用领域,包括社交、辅助用户创作的工具和用于娱乐应用的产品工具。
表 3:总结神经风格迁移领域内的当前进展 未来研究神经风格迁移,有前景的方向主要集中在两个方面。一是解决前面提到的当前算法所面临的难题,即参数微调问题、笔触方向控制问题和神经风格迁移中「快」与「更快」的问题。对这些难题及其对应的可能解决方案的描述见于第 7 节。第二个有前景的方向是关注神经风格迁移的新扩展(比如,直播,时尚风格迁移和字符风格迁移),在这个方向上已经有了一些初步的研究成果,比如最近 Yang et al. [47] 的关于文本效果迁移(Text Effects Transfer)的研究。这些有趣的扩展可能会变为未来的研究主题趋势,之后又可能会创造出新的相关领域。 致谢与参考文献(略) 机器之心风格迁移相关文章: 读者福利:即日起至 GMIS 2017 大会当天,读者在头条文章下留言,机器之心会在次日选出最专业或最有见解的一条评论赠送 GMIS 2017 双日票一张! 查看全部嘉宾阵容并报名参与机器之心 GMIS 2017,请点击「阅读原文」。 (责任编辑:本港台直播) |