近日，由赵磊、邢卫和鲁东明老师指导的2018级直博生王志忠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。

论文简介：

  基于Gram和patch的方法是风格迁移的两个重要研究方向。最近，基于Gram的多样化方法已经能够为相同的内容和风格图像生成多种不同的风格迁移结果。然而，作为另一个广泛的研究方向，基于patch的方法的多样性仍然具有挑战性，这是因为它们在进行风格迁移时往往是基于最近的patch匹配和交换。

    为了解决这一困境，本文深入研究了现有基于patch的风格迁移方法的症结，提出了一个通用而高效的模块DivSwapper，用于基于patch的任意风格迁移。核心的思想是使用一种基本的直觉，即具有较高激活值的neural patch可以对多样性做出更大贡献。

    我们的DivSwapper是即插即用的，可以很容易地集成到现有的基于patch和基于Gram的方法中，为任意风格迁移生成多样化的结果。我们进行了理论分析和大量实验来证明方法的有效性，并且与最先进的算法相比，它在多样性、质量和效率方面都显示出了较明显的优势。

结构图

效果图

作者简介：

  王志忠，2018级直博生，指导老师：赵磊、鲁东明。主要研究方向：计算机视觉，深度学习，图像智能处理，重点研究图像生成、图像风格和纹理的表达和迁移等。

导师简介：

  赵磊，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。