【技术实现步骤摘要】
本专利技术属于计算机视觉以及图像处理领域，更具体地，涉及一种基于生成对抗网络的四季风格延时摄影视频生成方法。
技术介绍
1、延时摄影视频中，物体或者景物缓慢变化的过程被压缩到一个较短的时间内，呈现出平时用肉眼无法察觉的奇异精彩的景象。延时摄影极其耗时，如一段四季变换的景象需要拍摄一年时间。因此，可以使用图像风格迁移的方法，通过将原图风格转换为连续的一年四季的风格，达到生成四季延时摄影的效果。
2、基于深度卷积神经网络在风格迁移领域取得了比传统图像风格迁移方法更好的效果，同时能够实现真实感图像的风格迁移。目前基于深度卷积神经网络的图像风格迁移方法主要分为两类：基于风格域的图像风格转换方法和基于参考图的图像风格转换方法。基于风格域的风格迁移方法只能在训练的两种风格中进行迁移，当转换到另外其他风格时需要收集其他风格的数据集并重新训练；同时在风格转换时是直接从原风格域图片到目标风格域图片，中间难以进行连续变换。
3、基于参考图的风格迁移方法可以实现图片风格的连续变换，但是，目前生成四季风格延迟摄影视频的风格迁移方法仍存在...
【技术保护点】
1.一种基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，包括：模型建立训练阶段S1-S2以及生成阶段S3-S4；
2.如权利要求1所述的基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，不同季节变化的纹理编码增量分别为：
3.如权利要求2所述的基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，za等于夏季纹理编码与冬季纹理编码之差，zb等于春季纹理编码与秋季纹理编码之差，各季纹理编码为：
4.如权利要求1所述的基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，所述对抗损失为：
5...
【技术特征摘要】
1.一种基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，包括：模型建立训练阶段s1-s2以及生成阶段s3-s4；
2.如权利要求1所述的基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，不同季节变化的纹理编码增量分别为：
3.如权利要求2所述的基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，za等于夏季纹理编码与冬季纹理编码之差，zb等于春季纹理编码与秋季纹理编码之差，各季纹理编码为：
4.如权利要求1所述的基于生成对抗网络的四季风格延时摄影视频生成方法，其特征在于，所述对抗损失为：
5.如权利要求1所述的基于生成对抗...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。