摘要
任意风格迁移（Arbitrary Style Transfer, AST）与域泛化（Domain Generalization, DG）是视觉学习中重要且具有挑战性的任务，均可建模为特征分布匹配问题。传统特征分布匹配方法通常基于特征服从高斯分布的假设，通过匹配特征的均值与标准差来实现分布对齐。然而，现实世界数据的特征分布远比高斯分布复杂，仅依赖一阶与二阶统计量难以精确匹配；而采用高阶统计量进行分布匹配在计算上又往往不可行。在本工作中，据我们所知，首次提出通过精确匹配图像特征的经验累积分布函数（empirical Cumulative Distribution Functions, eCDFs）来实现精确特征分布匹配（Exact Feature Distribution Matching, EFDM）。该方法可通过在图像特征空间中应用精确直方图匹配（Exact Histogram Matching, EHM）来实现。特别地，本文引入一种高效的EHM算法——Sort-Matching，以轻量级、即插即用的方式实现EFDM，计算开销极低。所提出的EFDM方法在多种AST与DG任务上均得到验证，取得了新的最先进性能。相关代码已开源，地址为：https://github.com/YBZh/EFDM。