基于GAN算法的图像素描风格迁移研究
王军1
渠慎迪2
程勇3
1.南京信息工程大学计算机学院、网络空间安全学院 南京 210000;南京信息工程大学科技产业处 南京 2100002.南京信息工程大学计算机学院、网络空间安全学院 南京 2100003.南京信息工程大学科技产业处 南京 210000
摘要：论文针对传统生成对抗网络中图像空间信息弱化、输出图像局部结构质量不高以及无法用于草图风格传递研究等问题进行研究.首先,对论文采用的关键技术进行了阐述和分析;其次,将具有良好特征提取能力的卷积神经网络(CNN)引入到GAN中,构建素描风格迁移(Sketch Style Transfer,SST)模型;最后,通过构建数据集和设计实验验证了该模型的有效性.实验结果表明:1)SST模型获得的人工主观评分为25分,比其他算法高59%,采用指标值计算进行客观评价时,SST模型在不同数据集上输出的图像总体质量远高于其他算法;2)论文提出的SST模型可以生成与不属于训练集的非正面人像原始输入图像相似度高的素描式图像,各指标均优于其他算法.综上所述,论文提出的SST模型在图像研究中具有良好的图像生成能力和广阔的应用前景.论文为图像SST技术的改进提供重要的技术支持,也为人脸识别的研究领域提供参考.
关键词：生成对抗网络CNNSST模型素描风格迁移
分类号：TP391.41(计算技术、计算机技术)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：7( 3234-3239,3269 )
英文信息