近日，由赵磊、邢卫和鲁东明老师指导的2017级直博生左智文同学的一篇论文被国际人工智能联合会议（International Joint Conference on Artificial Intelligence2022，简称IJCAI2022）录用，该会议为中国计算机协会推荐A类会议（即CCF A类会议），为国际人工智能领域中最主要的学术会议之一。

会议简介：

艺术风格转移是将内容图像与所学艺术风格相结合的任务。最近的研究表明，生成性对抗网络（GAN）具有产生丰富艺术风格的潜力。尽管取得了很好的效果，但它们通常无法控制生成图像的风格程度，这是不灵活的，限制了它们在实际应用中的适用性。

为了解决这个问题，在本文中，我们提出了一种新的方法，第一次允许在训练后实时调整现有基于GAN的艺术风格转换框架的风格程度。我们的方法将两个新的模块引入到现有的艺术风格转换框架中：风格缩放注入（SSI）模块和风格度解释（SDI）模块。SSI模块接受样式度因子（SDF）的值作为输入，并输出参数，以缩放现有模型中的功能激活，提供控制信号来改变样式化的样式度。SDI模块将多尺度内容样式二元分类器的输出概率解释为样式度，提供了一种参数化样式化样式度的机制。

  此外，我们还表明，经过训练后，我们的方法可以使现有的基于GAN的框架产生过多的样式化。所提出的方法可以简化许多现有的基于GAN的艺术风格转换框架，只需要少量额外的训练开销和修改。对两种典型的GAN基风格转换模型进行了广泛的定性评估，证明了所提出的方法在获得风格度控制方面的有效性。

模型图

效果图

作者简介：

  左智文，2017级直博生，指导老师：赵磊、鲁东明。主要研究方向：深度学习，计算机视觉，图像生成，重点研究基于生成对抗网络的图像生成问题和应用。

导师简介：

  赵磊，博士，浙江大学计算机科学与技术学院副研究员，主要研究方向：深度学习、图像智能处理（图像修复、图像风格表达与迁移、图像跨域迁移、图像智能生成）、知识图谱、多模态学习等。

  邢卫，博士，浙江大学计算机科学与技术学院副教授，主要研究方向：深度学习、图像智能处理、对抗生成网络模型、文物数字化等。

  鲁东明，博士，浙江大学计算机科学与技术学院教授，主要研究方向：虚拟现实、计算机视觉、无线传感器网络技术、大数据人工智能等。