Random Memory Rehearsal

新的Style-CCL框架增强了内容保持的风格迁移能力

研究人员开发了Style-CCL，一个利用Diffusion Transformers实现内容保持的风格迁移的新框架。该方法采用课程持续学习方法，首先在语义风格上训练双分支SC-DiT模型，然后训练纹理风格，同时从干净数据进展到合成数据。为了缓解灾难性遗忘，在训练阶段使用了随机记忆回放。实验表明，Style-CCL在风格相似性、内容一致性和美学质量方面优于现有方法。