Enhancing Neural Style Transfer using Patch-Based Synthesis
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F19%3A00331355" target="_blank" >RIV/68407700:21230/19:00331355 - isvavai.cz</a>
Výsledek na webu
<a href="https://dcgi.fel.cvut.cz/home/sykorad/stylitneural.html" target="_blank" >https://dcgi.fel.cvut.cz/home/sykorad/stylitneural.html</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.2312/exp.20191075" target="_blank" >10.2312/exp.20191075</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Enhancing Neural Style Transfer using Patch-Based Synthesis
Popis výsledku v původním jazyce
We present a new approach to example-based style transfer which combines neural methods with patch-based synthesis to achieve compelling stylization quality even for high-resolution imagery. We take advantage of neural techniques to provide adequate stylization at the global level and use their output as a prior for subsequent patch-based synthesis at the detail level. Thanks to this combination, our method keeps the high frequencies of the original artistic media better, thereby dramatically increases the fidelity of the resulting stylized imagery. We also show how to stylize extremely large images (e.g., 340 Mpix) without the need to run the synthesis at the pixel level, yet retaining the original high-frequency details.
Název v anglickém jazyce
Enhancing Neural Style Transfer using Patch-Based Synthesis
Popis výsledku anglicky
We present a new approach to example-based style transfer which combines neural methods with patch-based synthesis to achieve compelling stylization quality even for high-resolution imagery. We take advantage of neural techniques to provide adequate stylization at the global level and use their output as a prior for subsequent patch-based synthesis at the detail level. Thanks to this combination, our method keeps the high frequencies of the original artistic media better, thereby dramatically increases the fidelity of the resulting stylized imagery. We also show how to stylize extremely large images (e.g., 340 Mpix) without the need to run the synthesis at the pixel level, yet retaining the original high-frequency details.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 8th ACM/EG Expressive Symposium
ISBN
978-3-03868-078-9
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
43-50
Název nakladatele
Eurographics Association
Místo vydání
Aire-la-Ville
Místo konání akce
Janov
Datum konání akce
5. 5. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—