近期，由赵磊老师和邢卫老师指导的2020级硕博连读生（2017级硕，2020级博）陈海博同学又一篇论文被International Conference on Computer Vision（ICCV）2021录用。ICCV为中国计算机协会推荐A类会议（CCF A），与CVPR和ECCV并称计算机视觉方向的三大顶级会议。

  图像的风格迁移就是指让计算机自动完成图像风格的转移：将一张或多张艺术图像的风格迁移到自然图像（也即是日常照片）上，使原自然图像保留原始内容的同时具有独特的艺术风格，如油画、水彩、水墨等风格。给定内容图像和风格图像，当前的风格迁移方法往往只能生成一种迁移结果，缺乏多样性。    

  为了解决该问题，我们提出了一个基于可逆跨空间映射（invertible cross-space mapping）的风格迁移框架DIST。具体来讲，我们的模型主要包含三个分支：解耦分支（disentanglement branch）、逆变换分支（inverse branch）以及风格化分支（stylization branch）。其中，解耦分支负责将艺术图像分解为内容空间（content space）和风格空间（style space）；逆变换分支在输入噪声的潜变量空间（latent space）和生成的艺术图像的风格空间之间做了可逆的跨空间映射约束，这样不同的输入噪声会对应着不同的风格化结果；风格化分支负责将艺术风格渲染到内容图像上。在这三个分支的共同约束下，我们的方法能够生成出具有显著多样性的艺术图像，如下图所示：

  模型框架图如下所示：

作者、导师简介：

  陈海博，2020级在读硕博连读生（2017级硕，2020级博），指导老师：赵磊、邢卫。主要研究方向：计算机视觉，深度学习，重点研究风格表达、风格迁移和图像生成等。

  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。