Využití strojového učení v doméně umělecké stylizace

Abstract

Vzestup digitálního zpracování obrazu přinesl mnoho vylepšení, která dnešní uměli považují za nezbytná, nicméně automatizace přenosu výtvarného stylu po dlouhá léta zůstávala těžko dosažitelným cílem. Její snahou je změnit vizuální formu vstupního obrazu ta, aby byl zachován charakter původní výtvarné předlohy. Často se jedná o přenos osobitého vizuálního stylu na jiný cílový, typicky fotorealistický, materiál. Manuálně je tento proces časově velmi nároční a pracný. V této disertační práci představujeme soubor nových algoritmů, které demonstrují možnosti využití hlubokého strojového učení a neuronových sítí pro automatický přenos výtvarné předlohy a stylizace.

Artistic style transfer and stylization have a rich and well-established history in the field of computer graphics, and have enjoyed broad popularity, especially as digital art becomes ever more prevalent. The aim of methods implementing automatic artistic style transfer or stylization is to take a source image, typically a photograph, and transform it in accordance with artists’ vision, which is commonly expressed via a hand-painted style exemplar image. These techniques allow for the application of unique or personalized visual styles to new content or in other contexts, resulting in visually appealing effects that would be too time-consuming and impractical to recreate by hand. Thanks to the focus on aesthetics, the field has been uniquely popular among non-technical audiences, despite relatively high technical difficulty. The field has undergone a remarkable fundamental paradigm shift in recent times –previously, state-of-the-art relied on tailored procedural solutions. However, the emeremergence vision, has prompted academic researchers to rethink the approaches to stylization tasks,and has allowed newer methods to become more data-driven, for example through the useof pretrained models. The shift brings significant advantages, individual contributions no longer need to be limited to a specific medium or visual style, and do not require specialized guidance designs. On top of that, they provide novel and stunning visual effects that have stronger impact on users. Since the early days of neural-based style transfer, the field has continued to advance, and today, many have started to notice that some computer-generated art can be indistinguishable from real artworks.