穆卫卫 郭鹏博

（天津师范大学 天津市 300387）

艺术是人们情感交流的媒介，它使我们的生活更加美好，人工智能和艺术的“跨界融合”成为当今研究的热点之一。本文利用深度学习模型，设计了图像风格变换、图像修复等功能。此外，为了给用户提供一个更加健康、便捷、丰富的艺术交流环境，此网站也设计了投票、留言以及基于WebSocket 通信协议和“自动禁言”的聊天室功能。为众多艺术图片爱好者提供一个更加智能化的图片展示、处理与交流平台。

1 关键技术

1.1 快速图像风格迁移

风格迁移是指创建一张新图像，保留目标图像的内容，同时抓住参考图像的风格，尽可能的使内容损失函数和风格损失函数最小化[1]。

风格迁移使用卷积层的中间特征还原出对应这种特征的原始图像[1]，图像还原的方法是梯度下降。设原始内容图像为，原始风格图像为，待生成图像为，因此组合的内容损失和的风格损失，定义总损失：

其中：α，β 是平衡两个损失的超参数。

在快速图像风格迁移中，不使用优化的方法逐步迭代生成，而是使用训练好的生成网络直接生成。快速图像风格迁移由生成网络和损失网络两个神经网络组成[2]，如图1所示：左侧虚线框内为生成网络（fw，w 为权重参数），即一个深度残差网络；右侧虚线框内为损失网络（φ）。利用损失网络来定义内容和风格损失，根据损失值来训练生成网络。

图1：VGG-16 卷积神经网络结构

1.2 基于WGAN-GP的图像去模糊与褶皱技术

WGAN-GP 是基于Wasserstein 距离实现的改进版生成对抗网络[4]。……