全文总字数:4973字
文献综述
文 献 综 述1.引言图像风格化是将一张图像在保持原有内容不变的情况下转换成另一种风格。
和很多艺术形式相同,许多漫画的形象都是基于真实世界的场景制作的,为了获得高质量的漫画,艺术家必须花费大量的时间与精力重绘这些场景,所以帮助艺术家加快动漫制造速度,同时让普通人也可以自己制造动漫是有探索意义的。
深度学习在图像识别、自然语言处理、语义分割等领域有重大突破,在图像处理上有强大的学习与处理能力。
因此,可以将深度学习运用在图像风格化方面。
因此,研究图像风格化具有广泛的应用价值和商业用途。
2.选题背景神经网络出现之前,图像风格迁移共同的框架是:首先人工分析图像风格,然后建立数学或统计模型,再改变目标图像使其更贴合与模型,本质是一个数学建模和模型应用的问题。
手动建模的核心思想在于:图像局部特征的统计模型可以代表纹理,例如栗子的开口就可以用两条以特定角度相交的弧线表示。
因此,计算机视觉领域的研究者们依据图像分类等基础任务的经验,尝试加入更多的人工统计特征,用更加复杂的模型来归纳生成纹理,开启了传统图像风格迁移领域的研究历程。
和传统计算机视觉任务一样,人工建模的准确度高,但较为费时,且迁移成本高。
剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付
以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。