机构名称：
¥ 1.0
摘要。任意的神经风格转移旨在通过引用提供的样式图像来造型内容。尽管为实现内容保存和样式转移性而进行了各种努力，但由于内容和样式功能的重复导致了不愉快的图像人工制品，因此对此任务的学习表现仍然具有挑战性。在本文中，我们学习了从信息理论的角度进行动机的风格的紧凑神经表示。在特殊的情况下，我们在可逆流网络的顺序模块上执行压缩表示，以减少特征冗余，而失去内容保存能力。我们使用Barlow Twins损失来减少信道依赖性，从而提供更好的内容，并优化参考图像和目标图像之间样式代表的Jensen-Shannon差异，以避免使用 - 和
朝紧凑的神经风格转移的可逆图像表示
主要关键词
相关文件推荐
