خسائر الإدراك لنقل الأسلوب في الوقت الحقيقي وتحسين الدقة

نعتبر مشاكل تحويل الصور، حيث يتم تحويل صورة مدخلة إلى صورة مخرجة. تدريب الشبكات العصبية التلافيفية المقدمة للأمام باستخدام خسارة \emph{لكل بكسل} بين الصورة المخرجة والصورة الحقيقية هو الأسلوب النموذجي المستخدم في مثل هذه المشاكل حديثًا. كما أظهرت الدراسات المتوازية أن يمكن إنتاج صور عالية الجودة من خلال تعريف وتحسين دوال الخسارة \emph{الإدراكية} المستندة إلى الخصائص المرتفعة المستخلصة من الشبكات المدربة مسبقًا. نجمع بين فوائد كلا الأسلوبين ونقترح استخدام دوال الخسارة الإدراكية لتدريب الشبكات العصبية التلافيفية المقدمة للأمام في مهام تحويل الصور. نعرض نتائج حول نقل أسلوب الصور، حيث يتم تدريب شبكة عصبية متقدمة للأمام لحل المشكلة التي اقترحها Gatys et al في الوقت الفعلي. بالمقارنة مع الطريقة القائمة على التحسين، توفر شبكتنا نتائج نوعية مشابهة ولكنها أسرع بمقدار ثلاث درجات من الحجم. كما قمنا بتجربة زيادة دقة الصور الفردية، حيث يؤدي استبدال خسارة كل بكسل بخسارة إدراكية إلى نتائج مرئية جذابة.