研究人员推出了一种新颖的多模态框架 StatLUT,用于生成用于照片级真实感风格迁移的 3D 查找表 (LUT)。该框架通过使用 Lab-Extractor 将颜色风格与结构语义分离,解决了现有深度学习方法的局限性,从而防止了不自然的失真。StatLUT 将 LUT 生成构建为基于 Transformer 的 Seq2Seq 翻译任务,并使用多维残差映射器来确保拓扑平滑的 LUT。此外,它还集成了 H-Diffuser,一个扩散 Transformer,通过合成自然语言提示的特征来实现文本驱动的色彩分级。 AI
影响 这项研究可能带来更直观、无伪影的图像风格迁移,对创意工具和媒体制作产生潜在影响。
排序理由 该集群包含一篇详细介绍图像风格迁移新框架的研究论文。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Diffusion Transformer
- Gotit.pub
- H-Diffuser
- Hugging Face
- Influence Flower
- Lab-Extractor
- Litmaps
- Multi-dimensional Residual Mapper
- ScienceCast
- scite Smart Citations
- StatLUT
- Transformer
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →