La transferencia de estilo es una tarea desafiante en visión por computadora, que busca combinar las características estilísticas de una imagen con el contenido de otra, preservando los detalles del contenido. Los métodos tradicionales a menudo enfrentan desafíos en términos de eficiencia computacional y conservación detallada del contenido. En este artículo, proponemos un nuevo mecanismo de modulación de características basado en normalización parametrizada, donde los parámetros de modulación para las características de contenido y estilo se aprenden utilizando una red de convolución dual (BiConv). Estos parámetros ajustan la media y la desviación estándar de las características, mejorando tanto la estabilidad como la calidad del proceso de transferencia de estilo. Para lograr una inferencia rápida, introducimos una técnica de aceleración eficiente aprovechando una matriz de atención ponderada de filas y columnas. Además, incorporamos un esquema de aprendizaje contrastivo para alinear las características locales del contenido y las imágenes estilizadas, mejorando la fidelidad de la salida generada. Los resultados experimentales demuestran que nuestro método mejora significativamente la velocidad de inferencia y la calidad de la transferencia de estilo, preservando los detalles del contenido, superando los enfoques existentes basados en convolución y difusión.
Fang et al. (Mon,) estudiaron esta cuestión.