TRTST文本风格迁移模型

任意文本高质量迁移

基于Transformer的免配对文本引导风格迁移框架，通过联合嵌入与自适应位置编码提升视觉质量与泛化能力。

陈海波 · Zhoujie, Wang · 赵磊 · 李隽 · 杨俭

IEEE Transactions on Image Processing 2025

技术优势

无需配对数据

模型通过联合嵌入空间直接处理任意文本与图像，省去制作配对数据的昂贵步骤。

视觉质量更高

多模态协同注意力与文本引导身份损失共同提升风格化结果的保真度和细节。

自适应位置编码

APPE能根据输入动态生成最优位置编码，使模型在不同输入下都表现稳定。

应用场景

• 图像风格迁移：可直接将任意文本描述的风格迁移到内容图像上，替代传统参考图像方式。
• 图像生成：能生成符合文本风格描述的图像，无需收集特定风格数据。
• 多模态内容生成：将文本与图像映射到联合空间，实现跨模态风格迁移与内容生成。