中国山水画风格迁移的目标是在保持原有山水真实场景图像内容的前提下,引入传统中国画作特征,以生成具有中国山水画艺术特征的图像。近年,由于深度学习的快速发展,卷积神经网络(CNN)和对抗生成网络(GAN)几乎主导了包括风格迁移在内的大部分图像生成任务,但也存在一些问题,如真实场景在风格迁移过程中易丢失语义,GAN网络训练出现模型坍塌,CNN风格迁移方法出现棋盘效应等。视觉Transformer模型为图像处理任务提供了新的解决方案,但训练需大量数据且计算复杂。为了解决生成中国画过程中由上述因素引起的图像质量低及细节特征丢失等问题,本文提出一种能基于细节特征提取融合的中国山水画风格迁移网络,即SSTR(swin style transfer transformer)。该网络在StyTr^(2)网络的基础上,引入了Swin–Transformer模型,利用视觉Transformer的强语义性保留山水场景的特征;同时利用Swin–Transformer模型的分层体系结构及滑窗操作计算注意力机制,提取更多的山水画艺术风格细节,同时降低模型训练复杂度;最后,引入一个CNN解码器细化生成目标图像。本文利用公开视觉数据集COCO 2014与公开山水画数据集进行训练、验证与测试,并将结果与基线方法进行比较。结果表明,SSTR在处理中国山水画风格迁移任务中,风格损失和内容损失分别为1.35和1.88,在风格损失上优于StyTr^(2),表现出了优异的特征提取能力和图像生成能力。
提出并验证了一种基于可调有源双耦合器环级联复合腔(Active dual-coupler ring based compound-cavity,ADCR-CC)滤波器的2 μm波段单纵模(Single-longitudinal-mode,SLM)铥钬共掺光纤激光器.将具有可调滤波带宽和透射率的ADCR-CC滤波...
详细信息
提出并验证了一种基于可调有源双耦合器环级联复合腔(Active dual-coupler ring based compound-cavity,ADCR-CC)滤波器的2 μm波段单纵模(Single-longitudinal-mode,SLM)铥钬共掺光纤激光器.将具有可调滤波带宽和透射率的ADCR-CC滤波器与光纤布拉格光栅(Fiber Bragg grating,FBG)结合,实现了 SLM激光输出.当主腔和复合腔的泵浦功率分别为1.8 W和1.1 W时,测得的激光器输出波长为2 048.510 nm,光信噪比高达83.08 dB,90 min内的最大光谱中心波长和光谱峰值功率波动分别为0.006 nm和0.19 dB,激光器输出功率为50.03 mW.使用等强度悬臂梁对FBG引入应变调节,SLM激光可在1.45 nm范围内实现波长的可调谐输出.
针对公交车客流预测中时空依赖关系难以有效利用的问题,提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先,利用时间特征编码器捕获不同时段客流之间的相似性,引入公交车站点的兴趣点(point of interest,POI)...
详细信息
针对公交车客流预测中时空依赖关系难以有效利用的问题,提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先,利用时间特征编码器捕获不同时段客流之间的相似性,引入公交车站点的兴趣点(point of interest,POI)信息以辅助模型捕捉更多的节点特征。其次,采用动态建模时空依赖关系的方法完成对非欧几里得关系的建模,利用SimAM注意力模块捕获不同站点客流数据之间的整体差异性。在真实公交车客流数据集上的实验结果表明,相比最优基线模型,所提模型在预测未来12个时间步上的平均MAE和RMSE分别降低了0.34和0.33,展现了其在公交车客流预测中的有效性和优越性。
暂无评论