中文引用格式： 桑晨浩，莫路鋒，屠國(guó)青. 復(fù)雜景觀圖像的語義多狀態(tài)圖像風(fēng)格遷移[J]. 電子技術(shù)應(yīng)用，2025，51(6)：40-46.
英文引用格式： Sang Chenhao，Mo Lufeng，Tu Guoqing. Multi-state image generation of complex landscapes via semantic category style transfer[J]. Application of Electronic Technique，2025，51(6)：40-46.
引言
圖像風(fēng)格遷移（IST）是圖像生成領(lǐng)域的一個(gè)熱門研究主題[1]，可應(yīng)用于城市規(guī)劃、景觀設(shè)計(jì)、文化藝術(shù)等領(lǐng)域。其目的是將X領(lǐng)域中的風(fēng)景圖像轉(zhuǎn)移到Y(jié)領(lǐng)域。因此，各種IST研究相繼應(yīng)用于景觀設(shè)計(jì)[2]。語義分割與 CycleGAN 的結(jié)合最近已成為景觀圖像局部風(fēng)格遷移的主流，旨在轉(zhuǎn)移景觀圖像中特定對(duì)象的風(fēng)格。Kurzman 等人[3]設(shè)計(jì)了一種兩階段局部遷移模型，實(shí)現(xiàn)了城市街道中真實(shí)圖像與地面物體的流行藝術(shù)之間的局部風(fēng)格遷移。Duan 等人[4]使用手工制作的語義分割和 CycleGAN，將城市景觀圖像中交通標(biāo)志的紋理風(fēng)格進(jìn)行遷移。Kim 等人[5]利用 CycleGAN 和語義掩膜，將真實(shí)景觀圖像中的對(duì)象轉(zhuǎn)換為動(dòng)漫風(fēng)格。但是，CycleGAN用于復(fù)雜景觀的多狀態(tài)圖像生成仍存在兩方面的不足。首先，它的圖像上下文感知能力還有待進(jìn)一步提升。盡管文獻(xiàn)[6]和文獻(xiàn)[7]探索了Vision Transformer通過self -attention捕獲景觀圖像上下文信息的有效性，但該方法參數(shù)量較大，容易過擬合，且難以訓(xùn)練[8]。其次，其無法針對(duì)圖像中不同對(duì)象分別進(jìn)行風(fēng)格轉(zhuǎn)換，例如，不同的樹種在不同季節(jié)的風(fēng)格轉(zhuǎn)換中有不同的表現(xiàn)。這使得CycleGAN無法很好地應(yīng)用于復(fù)雜景觀圖像的風(fēng)格遷移和多狀態(tài)的圖像生成。
針對(duì)以上兩個(gè)方面的問題，本文提出一種基于語義類別風(fēng)格遷移的復(fù)雜景觀的多狀態(tài)圖像生成方法SCST（Semantic Category Style Transfer），根據(jù)復(fù)雜景觀圖像中不同語義類別的特征，實(shí)現(xiàn)對(duì)各個(gè)語義類別區(qū)域的局域風(fēng)格遷移。在SCST中，首先通過語義分割確定復(fù)雜景觀圖像中各個(gè)區(qū)域的語義類別。然后按照各個(gè)語義類別所代表對(duì)象在目標(biāo)狀態(tài)下的變化特征，采用改進(jìn)的具有上下感知的風(fēng)格遷移模型GCycleGAN對(duì)各個(gè)語義類別區(qū)域分別進(jìn)行風(fēng)格遷移。GCycleGAN通過在CycleGAN的生成器與判別器的主干特征提取網(wǎng)絡(luò)引入更輕量的Gated-MLP[9]，降低參數(shù)量和模型復(fù)雜度的同時(shí)加快訓(xùn)練收斂速度，通過全局信息與局部信息的融合，提高處理信息的效率和準(zhǔn)確性，從而訓(xùn)練出更加準(zhǔn)確的生成模型。最后結(jié)合語義分割結(jié)果，將風(fēng)格遷移后的各個(gè)區(qū)域融合到一起，得到最終的全局風(fēng)格遷移的目標(biāo)狀態(tài)景觀圖像。
本文詳細(xì)內(nèi)容請(qǐng)下載：
http://m.viuna.cn/resource/share/2000006560
作者信息：
桑晨浩，莫路鋒，屠國(guó)青
（浙江農(nóng)林大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，浙江 杭州 311300）
