神经风格转移

神经风格转移（NST）指的是一类软件算法，它操纵数字图像或视频，以采用另一图像的外观或视觉风格。NST算法的特点是使用深度神经网络来进行图像转换。NST的常见用途是从照片中创造人工艺术品，例如将名画的外观转移到用户提供的照片上。

NST是图像风格化的一个例子，这个问题在非逼真渲染领域研究了20多年。最早的两种基于实例的风格转移算法是图像类比和图像拼接。这两种方法都是基于基于补丁的纹理合成算法。给出一对训练图像–照片和描绘该照片的艺术品–可以学习转换，然后通过类比，应用于从新的照片中创造新的艺术品。如果没有训练照片，就需要通过处理输入的艺术品来产生；图像绗缝不需要这个处理步骤，尽管它只在一种风格上演示。

NST的过程假设一个输入图像被送入CNN，网络激活在VGG-19架构的后期卷积层被采样。通过CNN输入，网络激活在VGG-19架构的后期卷积层中被采样。让{displaystyleC(p)}是产生的输出样本，称为”内容”。是产生的输出样本，称为输入的”内容然后被送入同一个CNN，在CNN的早期和中期层对网络激活进行采样。

这些激活被编码为一个格拉姆矩阵表示，称之为{displaystylex}是通过在输入图像中加入少量的白噪声来实现的。最初是通过向输入图像添加少量白噪声来逼近的{displaystylep}中加入少量白噪声，并通过CNN并通过CNN进行反馈。然后，我们在CNN权重固定的情况下，通过网络连续反向传播这一损失，以更新x的像素。算法通常在GPU上实现，因此训练只需几分钟时间。

NST也被扩展到视频。随后的工作提高了NST对图像的速度。