非配对的多场景素描合成方法和装置制造方法及图纸

本发明专利技术涉及一种非配对的多场景素描合成方法和装置。本发明专利技术所述的非配对的多场景素描合成方法包括以下步骤：对内容图像和素描图像进行特征提取，获得内容特征和风格特征；将内容特征和风格特征进行特征融合，获得内容‑风格特征；根据内容‑风格特征生成素描图像。本发明专利技术通过一种新特征融合方法，在对非配对的内容特征和风格特征进行特征融合时高度保留内容结构和风格纹理，获得能够用于生成非配对的多场景素描的内容‑风格特征。并且，本发明专利技术还提供一种非配对的多场景素描合成装置，用于执行所述非配对的多场景素描合成方法。相比于现有技术，本发明专利技术能够使用非配对数据生成素描图像，免除了人工配对数据的繁琐操作，大幅提高了工作效率。

【技术实现步骤摘要】

本专利技术涉及人工智能在计算机视觉的应用，特别是涉及一种非配对的多场景素描合成方法和装置。

技术介绍

1、素描生成技术是一种人工智能技术，旨在将数字图像转换为类似于手绘素描的艺术风格。这种技术涉及到许多
技术介绍
，包括计算机视觉、深度学习和图像处理等。素描是具有强大表现力的艺术形式，和其他绘画艺术的丰富色彩表达不同，素描是以黑白灰色调为主，通过线条来勾勒出素描的轮廓，使用明暗对比和阴影来表达形体的立体感。这就要求艺术家能够准确把握形体的结构和轮廓以及主题的比例，并且具备优秀的透视感。

2、近年来，计算机图形学领域取得了重大进展，能够实现自动生成高保真度的数字素描。素描生成问题也可以视为一个域迁移问题——计算机视觉领域的热门话题。特别是随着深度学习的发展，卷积神经网络被广泛应用在图像风格转换中，以及生成对抗网络(gan)在解决图像风格转移问题方面取得的巨大成功，使得现有的风格迁移方法已经可以使用非配对数据集生成多场景图像。但是现有技术主要应用于杂乱的风格，例如油画风格等，其风格化的图像充满了碎片化的笔触，并且对每个元素的质量要求较低。而素描风格则非本文档来自技高网...

【技术保护点】

1.一种非配对的多场景素描合成方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的非配对的多场景素描合成方法，其特征在于：所述步骤S21具体为根据对内容特征Fc和风格特征Fs进行计算，生成内容-风格注意力图Mcs，其中

3.根据权利要求2所述的非配对的多场景素描合成方法，其特征在于：所述步骤S22具体为根据对风格特征Fs进行计算，生成风格自注意力图Ms。

4.根据权利要求3所述的一种非配对的多场景素描合成方法，其特征在于：所述步骤S23具体为根据对内容-风格注意力图Mcs进行特征重排，获得内容-风格样式特征Acs，其中h表示用于特征嵌入的1*1卷...

【技术特征摘要】

1.一种非配对的多场景素描合成方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的非配对的多场景素描合成方法，其特征在于：所述步骤s21具体为根据对内容特征fc和风格特征fs进行计算，生成内容-风格注意力图mcs，其中

3.根据权利要求2所述的非配对的多场景素描合成方法，其特征在于：所述步骤s22具体为根据对风格特征fs进行计算，生成风格自注意力图ms。

4.根据权利要求3所述的一种非配对的多场景素描合成方法，其特征在于：所述步骤s23具体为根据对内容-风格注意力图mcs进行特征重排，获得内容-风格样式特征acs，其中h表示用于特征嵌入的1*1卷积层；根据对风格自注意力图ms进行特征重排，获得风格样式特征as；并将获得的样式特征进行加和，得到特征矩阵a，即a＝acs+as。

5.根据权利要求4所述的非配对的多场景素描合成方法，其特征在于：所述步骤s24具体为计算所述特征矩阵a的均值μ(a)和标准差σ(a)，并根据计算获得内容-风格特征fcs。

6.一种非配对的多场景素描合成装置，包括

7.根...

【专利技术属性】
技术研发人员：余松森，吴诗琦，梁军，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：