近日，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Conference and Workshop on Neural Information Processing Systems（NIPS）2021录用。

   NIPS（NeurIPS），全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems)，是关于机器学习和计算神经科学的国际会议，属于机器学习领域的顶级会议。该会议在中国计算机学会国际学术会议排名中，属于人工智能领域的A类会议。

 论文简介

   尽管现有的艺术风格转换方法已经通过深度神经网络取得了显著的改进，但它们仍然存在诸如不和谐的颜色和重复的图案等瑕疵。基于此，我们提出了一种具有两种对比损失的内外风格转换方法。

   具体来说，我们利用单个样式图像的内部统计信息来确定样式化图像的颜色和纹理模式，同时利用大规模样式数据集的外部信息来学习人类感知的样式信息，这使得风格化图像中的颜色分布和纹理图案更加合理和谐。

   此外，我们认为现有的风格转换方法只考虑内容的程式化和风格化与程式化的关系，忽略了程式化关系的程式化。为了解决这个问题，我们引入了两个对比损失，当多个样式化嵌入共享相同的内容或样式时，它们会拉近彼此的距离，但在其他情况下会推远。我们进行了大量的实验，结果表明，我们提出的方法不仅可以生成视觉上更和谐、更令人满意的艺术图像，而且可以提高渲染视频片段的稳定性和一致性。

作者及导师简介

  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。