基于注意力小波网络的中国画风格迁移方法
Attentional Wavelet Network for Traditional Chinese Painting Transfer
Rui Wang, Huaibo Huang, Aihua Zheng, Ran He
2021-01-10
订阅获取艺术设计被引 9
摘要
中国传统绘画在创作中尤为注重工笔与写意两种表现手法，这使得从照片生成中国画成为一项极具挑战性的任务。写意强调绘画作品的整体意境营造，而工笔则侧重于对局部细节的精细描绘。本文提出了一种用于照片转中国画风格的注意力小波网络。我们首先借助二维Haar小波变换提取中国画中的整体意境与局部细节；随后设计了分别处理高频信息与低频信息的整体变换流与局部增强流。此外，我们运用自注意力机制来精准选取能够弥补重构过程中缺失细节的整体性信息。为了开展实验，我们构建了一个名为P2ADataset的新数据集，其中包含了中国名山题材的各类照片与中国画作品。通过与现有先进风格迁移算法进行的对比实验，验证了所提方法的有效性。我们将公开相关代码与数据集。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 本文提出了一种基于注意力小波网络的照片到传统中国画风格迁移方法。该方法针对中国画中“写意”的高层意境和“工笔”的局部细节两大特征，通过小波变换与自注意力机制的结合，有效弥补了图像重建过程中的细节丢失，实现了高质量的中国画生成。
- 研究方法
- 研究采用二维哈尔小波变换提取画作的高层意境与局部细节，并构建了高层变换流与局部增强流分别处理低频和高频信息。同时，引入自注意力机制提取高层信息以弥补图像重建时的细节缺失。此外，研究构建了包含中国名山照片与画作的P2ADataset数据集进行实验，并与现有最优风格迁移算法进行了对比验证。
- 学术贡献
- 本文将小波变换与自注意力机制结合应用于中国画风格迁移，有效解决了照片生成中国画时意境与细节难以兼顾的挑战。同时，为该领域贡献了全新的P2ADataset数据集，并承诺公开代码与数据，促进了相关研究的可重复性与后续发展。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Generative Adversarial Networks and Image Synthesis