新的全局风格迁移方法捕捉艺术家的整体风格

研究人员推出了一种新颖的艺术图像合成范式——全局风格迁移（GST），旨在捕捉艺术家的整体风格，而不仅仅是单个艺术作品。与传统的一对一风格迁移或文本条件扩散模型不同，GST采用多对一的方法，聚合艺术家的一系列作品以迁移其共有的全局风格。该方法结合了全局风格引导（GSG）以从视觉统计中学习风格语义，减轻文本诱导的偏差，以及内容对齐引导（CAG）以在允许艺术变形的同时保留内容结构。在WikiArt数据集上的实验表明，GST在风格保真度、内容保留和输出多样性方面优于现有方法。 AI

影响 这项研究可能带来更复杂的AI艺术生成工具，能够更好地捕捉艺术风格的细微差别。

排序理由 这是一篇详细介绍一种新的艺术图像合成方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• Content Alignment Guidance
• Diffusion Models
• Global Style Guidance
• Global Style Transfer
• Hugging Face
• WikiArt

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →