基于深度学习的风格迁移方法综述

作     者：刘嘉雄 周骏 LIU Jiaxiong;ZHOU Jun

作者机构：西南大学计算机与信息科学学院/软件学院重庆400715 

出 版 物：《人工智能科学与工程》 (Journal of Southwest China Normal University(Natural Science Edition))

年 卷 期：2024年第1期

页      面：1-19页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金面上项目(22274134) 

主　　题：神经风格迁移 深度学习 算法 性能提升 基于文本的风格迁移 

摘      要：随着深度学习的迅猛发展,风格迁移技术在算法和应用上取得了重大突破,为内容与风格的创新交互提供了强大支持。该文综述了风格迁移的基本概念、分类及其在神经网络中的应用,特别是神经网络风格迁移的原理、变体与合成算法。文章还对基于文本的图像风格迁移与基于图像的方法进行了比较,分析了各自的优缺点,突显了智能化风格迁移技术的发展。此外,探讨了风格迁移技术与其他领域结合的情况,如与超分辨方法和对比学习方法等的结合,以及在大型工艺品设计中的应用实例,展示了其广泛的应用潜力。该文的目的是为研究者提供清晰的视角,推动风格迁移领域的技术进步。