|
我们调整风格迁移网络以适应把基线艺术二维码作为内容目标，这不仅有效避免了像噪音一样的编码模块造成的视觉影响，还减少了由网络引起的误差模块的数量。 我们提出了一种基于迭代更新的误差修正机制，并通过平衡互相竞争的两个要素：视觉质量和可读性，来保证二维码的鲁棒性。 如下所示为整个系统的架构，在 Stage A 中，我们结合图片与编码信息的二维码而生成艺术二维码。随后再把需要迁移的风格与前面生成的艺术二维码结合，并在 Stage C 中与抽出来的信息编码做误差修正而提升解码鲁棒性。
图 6：方法概览。共包括三步：Stage A：生成艺术二维码； Stage B：风格迁移；Stage C：误差修正。 后面将简要介绍该系统的各个阶段与实验结果，因此我们需要了解表 1 所描述的符号意义：
Stage A：生成艺术二维码 A. 方法概览 如图 6 所示，我们的方法共分为三步：Stage A、Stage B 和 Stage C。在 Stage A 中，我们生成一个优化过的艺术二维码 Q_a。在 Stage B 中，我们使用一个调整过的神经风格迁移网络对 Q_a 进行风格化，并输出非鲁棒的艺术风格二维码 Q_b。最后，在 Stage C 中，我们通过误差修正机制修复 Q_b 的可读性，获得鲁棒的结果 Q_c。以下将分别介绍这三个基本步骤。
图 7：Stage A 的流程图。我们根据融合图像的灰度分布设置可变模块的优先级，以最小化融合图像和类似噪点黑白模块之间的视觉对比，并最终输出基线艺术二维码 Q_a。 二维码基于 RS 纠错码的编码规则，表达为方形的编码模块。[13] 中证明我们可以使用 Gauss-Jordan 消去法在有限范围内修改模块的颜色（即黑色或白色），而无需考虑机器可读性。主流研究（[7] [8] [10]）通常使用 [13] 中的方法，通过考虑融合图像的局部视觉特征（如显著性图、边缘图或感兴趣区域）来选择可变模块。在 Stage A 中，我们提出一种高效策略来设置可变模块的优先级，即根据混合图像 I 的全局特征进行选择，并最终输出基线艺术二维码 Q_a，其最小化图像 I 和类似噪点黑白模块之间的视觉对比。 关于融合图像 I^g 的灰度，每个像素的灰度值在 [0, 255] 区间内，黑白模块的灰度值分别是恒定值 0 和 255。因此，我们认为当模块的颜色最接近图像 I 中的对应区域时视觉对比度最小。也就是说，将图像 I 中最黑／最白颜色的区域赋予高权重来对应黑白模块，将大大优化 Q_a 的视觉感知度。基于此，我们将 Stage A 分为计算权重矩阵和融合图像两个步骤。 Stage B：风格迁移 本论文使用的风格迁移架构如下图 8 所示，我们大致 yan 用了由 J. Johnson[16] 等人提出的框架。对于风格迁移来说，我们输入需要迁移风格的目标图像 a_c 和风格图像 a_s，而输出的 a hat 应该组合 a_c 的内容和 a_s 的风格特征。
图 8：Stage B 的流程图。我们大致遵循 [16] 所提出的风格迁移系统，并进一步调整了损失网络 φ 的内容重构层和特征，因而不再使用如同噪点那样的黑白方块来增强二维码的风格与美学特征。 在 Stage B 中，基线艺术二维码 Q_a 有非常密集的黑白编码模块作为需要迁移风格的内容，那么这就要求我们解决两个问题：1）为了更强的鲁棒性，所产生的错误模块数需要最小化；2）为了视觉质量，避免类似噪点的模块带来视觉影响是非常重要的。因此为了解决这两个问题，如下我们对内容重构层和风格重构层等网络架构做了进一步的修改：
（责任编辑：晨鸿） |
