Méthode de conversion de style utilisant le réseau neuronal convolutif

"A Neural Algorithm of Artistic Style" (ci-après style Neural) est célèbre comme méthode de conversion de style utilisant le réseau de neurones convolutifs (CNN) et l'implémentation suivante il y a.

Implémentation de la torche: https://github.com/jcjohnson/neural-style
Implémentation de Chainer: https://github.com/mattya/chainer-gogh

Une autre méthode de conversion de style est "Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis" (ci-après "conversion de style à l'aide de MRF"). Je vais vous présenter ceci.

J'ai implémenté cette technique dans Chainer. Le code source peut être trouvé à https://github.com/dsanno/chainer-neural-style.

Qu'est-ce que la conversion de style?

Préparez deux images, une image de contenu et une image de style
Le contenu de l'image est une image de contenu et le style de l'image est similaire à l'image de style.

Exemple de conversion de style

Échantillon de l'auteur de l'article

https://github.com/chuanli11/CNNMRF

Exemple d'implémentation de Chainer

	Image générée	Image de contenu	Image de style
Peinture à l'huile
Aquarelle			De Chihiro Iwasaki "Hanaguruma」
Dessin au stylo

Source de l'image:

Image de contenu: Image photo Pakutaso
Image de style huile: référentiel chainer-gogh
Image de style de dessin au stylo: Alice-in-wonderland.net

Aperçu

La conversion de style à l'aide de MRF génère l'image suivante.

Le contenu est proche de l'image du contenu
Le style local est proche du style local de l'image de style

La différence est que le style Neural rapproche le style général de l'image de l'image de style, tandis que MRF rapproche le style local de l'image de style.

Implémentation existante

Implémentation de la torche: https://github.com/chuanli11/CNNMRF

algorithme

Le titre inclut "Markov Random Field (MRF, Markov Random Field)", mais comme MRF n'est pas le cœur de l'algorithme, je vais omettre l'explication.

Entrée et sortie

Entrez l'image du contenu et l'image de style. Les images de contenu sont représentées par $ x_c $ et les images de style sont représentées par $ x_s $. L'image générée à afficher est représentée par $ x $.

CNN

Cette méthode utilise un CNN pour la reconnaissance d'image tel que VGG comme dans le style Neural.

Sortie de couche

La sortie d'un calque particulier lorsque l'image $ x $ est entrée dans le CNN est représentée par $ \ Phi (x) $. La sortie du calque lorsqu'une image de contenu est entrée est $ \ Phi (x_c) $, et la sortie du calque lorsqu'une image de style est entrée est $ \ Phi (x_s) $.

pièce

Générez un patch à partir de la sortie de la couche CNN. Un patch est une collection de $ k \ fois k $ zones de sortie de couche en une seule, et est un vecteur de longueur $ k \ fois k \ fois C $ ($ C $ est le nombre de canaux dans la sortie de couche). Vous pouvez générer plusieurs patchs à partir d'une couche, et le $ i $ th patch est représenté par $ \ Psi_i (\ Phi (x)) $.

Définition de l'énergie

Cet algorithme définit l'énergie en fonction de $ x $. Puis calculez $ x $ pour minimiser l'énergie. La définition de la fonction énergétique est la suivante. L'explication de chaque section est expliquée ci-dessous.

E(x) = E_s(\Phi(x), \Phi(x_s)) + \alpha_1 E_c(\Phi(x), \Phi(x_c)) + \alpha_2 \Upsilon(x)

MRFs loss function

Un élément $ E_s $ est appelé fonction de perte MRF et sa définition est la suivante.

E_s(\Phi(x), \Phi(x_s)) = \sum^{m}_{i=1}||\Psi_i(\Phi(x)) - \Psi_{NN(i)}(\Phi(x_s))||^2

Cependant, $ NN (i) $ est défini par la formule suivante.

NN(i) := \mathop{\rm arg\,max}\limits_{j=1,...,m_s} \frac{\Psi_i(\Phi(x)) \cdot \Psi_j(\Phi(x_s))}{|\Psi_i(\Phi(x))| \cdot |\Psi_j(\Phi(x_s))|}

Dans l'article, c'est argmin, mais quand je regarde l'implémentation, argmax semble être correct. Cette formule a les significations suivantes.

Pour chacun des patches générés à partir de $ x $, sélectionnez le plus proche de l'ensemble des patches générés à partir de $ x_s $ Utiliser la corrélation entre les patchs comme mesure de proximité
Plus le patch sélectionné est proche du patch généré à partir de $ x $, plus l'énergie est petite

Content loss function

Les deux éléments $ E_c $ sont appelés la fonction de perte de contenu et leurs définitions sont les suivantes.

E_c(\Phi(x), \Phi(x_c)) = ||\Phi(x) - \Phi(x_c)||^2

Cela signifie que plus la couche CNN générée à partir de $ x $ et la couche CNN générée à partir de $ x_c $ sont proches, plus l'énergie est petite.

Regularizer

Les trois éléments $ \ Upsilon $ sont des termes de régularisation pour lisser l'image. La définition est la suivante, $ x_ {i, j} $ est la valeur du pixel dont la coordonnée x est $ i $ et la coordonnée y est $ j $. Plus la différence entre les pixels adjacents est petite, plus l'énergie est petite.


\Upsilon(x) = \sum_{i,j}((x_{i,j+1} - x_{i,j})^2 + (x_{i+1,j} - x_{i,j})^2)

la mise en oeuvre

Je l'ai implémenté avec Chainer. Le CNN utilise le modèle VGG 16 couches, qui est également familier à Chainer-gogh. Le code source peut être trouvé à https://github.com/dsanno/chainer-neural-style.

Comparaison des méthodes

Temps d'exécution

Le temps d'exécution est plus court que le style Neural. Le style neuronal nécessite des milliers d'itérations, tandis que la conversion de style à l'aide de MRF nécessite des centaines d'itérations.

Différence de style

Avec le style Neural, l'utilisation des couleurs change radicalement, mais la conversion de style à l'aide de MRF ne change pas de manière significative l'utilisation des couleurs, et j'ai l'impression que le toucher de l'image change.

application

Il existe neural-doodle comme application de conversion de style utilisant MRF. neural-doodle vous permet de spécifier quel style spécifier dans quelle zone de l'image. Comme vous pouvez le voir en regardant l'image liée, la photo du visage est convertie au style de portrait de Goch, mais en spécifiant le style pour chaque zone, une conversion plus naturelle est réalisée.

Dans neural-doodle, la spécification de style est réalisée en concaténant le vecteur représentant le numéro de style (vecteur one-hot indiquant à quel style le patch correspond) au vecteur de patch sorti de la couche CNN.

Les références

Chuan Li, Michael Wand, 2016, "Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis"
Leon A. Gatys, Alexander S. Ecker, Matthias Bethge, 2016, "A Neural Algorithm of Artistic Style"
Alex J. Champandard, 2016, "Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artworks"

[PYTHON] Une autre méthode de conversion de style utilisant le réseau neuronal convolutif