基于Mamba-GAN网络和Zigzag扫描的非对称图像风格迁移方法

本发明涉及基于Mamba‑GAN网络和Zigzag扫描的非对称图像风格迁移方法，通过融合Mamba网络和GAN结构，利用GAN的非对称训练能力，减少对GPU资源的依赖，同时避免成对训练数据的需求；生成器采用Zigma Patch Embedding策略和多尺度特征融合模块，结合Zigzag扫描机制，有效保留图像细节并增强风格迁移效果；采用多判别器结构，进一步提升生成图像的真实性；本发明在多个艺术风格数据集上表现出色，不仅实现了高质量的风格迁移，还显著优于现有算法，尤其在细节保留和资源消耗方面，为图像风格迁移领域提供了一种高效、低资源消耗且细节处理能力强的解决方案。