程季康

人类文明出现以来，无数精美的名画和优秀的画家脱颖而出。例如梵高的《星夜》与莫奈的《日出》等，每幅传世的佳作都有自己别具一格的风格，画家也有属于自己的画风。而模仿和学习名作名画的风格，千百年来人们趋之若鹜，也花费极大的时间和精力。上世纪九十年代开始，合成具有艺术风格的自然图片引起了计算机科学家的兴趣。把自然图片转化为风格化的艺术图片，被称为风格迁移，提供风格纹理和笔触的图片（如油画）被称作风格图，而提供大致内容结构的图片（如照片）则被称作内容图。风格迁移的目标就是以风格图的纹理笔触与内容图的内容结构合成一张新的风格化图片。最初研究者们尝试用算法来仿真不同的艺术绘画风格，并利用这些算法模仿名作名家的用色和笔触，这些方法在一些软件中得到了一定的应用，例如一些图像软件中的滤镜，就可以把照片转化为简笔画或者油画。但是这些算法仿真的方案只能针对单一的简单风格，同时这些仿真算法大多是对于像素细节的改动，所以无法把握图像整体的内容结构，照片风格化的效果并不那么理想。

一、神经风格迁移的提出

如何提取图像的语义和纹理信息，这是计算机视觉研究者一直致力于解决的问题。在如今硬件（CPU，GPU）强大算力的支持下，卷积神经网络（CNN）的提出深刻地影响了计算机视觉行业。在图像复原领域，CNN可以通过深度学习，帮助预测复原细节像素点。……