自适应特征融合细化的中国水墨画风格迁移网络OA

传统的风格迁移方法往往难以高度还原中国水墨画的独特风格。为解决该问题,提出一种自适应特征融合细化的水墨画风格迁移网络。该网络首先通过信息融合模块接收预训练编码器提取的多尺度特征图,该模块包含1个AdaAttN模块和2个并行的AdaSEECA模块,并采用多级策略集成三者的输出,实现特征的自适应融合。在此基础上,进一步采用2个特征细化模块增强对细节的刻画能力:PCGU模块利用门控机制融合局部与全局空间信息,保证图像在整体构图与笔触细节上的一致性;MDCR模块捕捉多维度上下文信息,进一步提取水墨画特有的细节特征。在自建水墨画数据集上的实验表明,与现有网络相比,所提网络在纹理还原、线条保真度和笔墨颜色分布上均取得显著提升,实现了对水墨画风格的更准确捕捉。