基于神经网络的图像风格迁移研究综述
2022年电子技术应用第6期
刘建锋，钟国韵
东华理工大学 信息工程学院，江西 南昌330013
摘要： 为了推动基于神经网络的图像风格迁移技术的研究，对基于神经网络的图像风格迁移的主要方法和代表性工作进行了总结和讨论。回顾了传统的风格迁移算法，详细介绍了基于神经网络的主要图像风格迁移的基本原理和方法，分析了相关基于神经网络的图像风格迁移领域的应用前景，最后总结了基于神经网络的图像风格迁移存在的挑战和未来研究方向。
中图分类号： TP183
文献标识码： A
DOI：10.16157/j.issn.0258-7998.222706
中文引用格式： 刘建锋，钟国韵. 基于神经网络的图像风格迁移研究综述[J].电子技术应用，2022，48(6)：14-18.
英文引用格式： Liu Jianfeng，Zhong Guoyun. Survey of image style transfer based on neural network[J]. Application of Electronic Technique，2022，48(6)：14-18.
文献标识码： A
DOI：10.16157/j.issn.0258-7998.222706
中文引用格式： 刘建锋，钟国韵. 基于神经网络的图像风格迁移研究综述[J].电子技术应用，2022，48(6)：14-18.
英文引用格式： Liu Jianfeng，Zhong Guoyun. Survey of image style transfer based on neural network[J]. Application of Electronic Technique，2022，48(6)：14-18.
Survey of image style transfer based on neural network
Liu Jianfeng，Zhong Guoyun
School of Information Engineering，East China University of Technology，Nanchang 330013，China
Abstract： In order to promote the research of image style transfer technology based on neural network, the main methods and representative work of image style transfer based on neural network are summarized and discussed in this paper. This paper reviews the traditional style transfer algorithms, introduces the basic principles and methods of the main image style transfer based on neural network in detail, analyzes the application prospect of the related field of image style transfer based on neural network, and finally summarizes the existing problems and future research direction of the image style transfer based on neural network.
Key words : neural network；image style transfer；texture synthesis
0 引言
传统的图像风格迁移方法通常被作为纹理合成的一个广义问题来处理和研究，即从风格图S(Style image)中采集纹理并将其迁移到内容图C(Content image)中。Efros等人提出了一种将样本纹理进行拼接和重组的简单纹理合成算法[1]；基于类推思想，Hertzmann等人通过图像特征映射关系合成了带有新纹理的图像[2]。传统图像风格迁移方法只是提取图像的低层次的图像特征，而非高层次的图像语义信息，在对色彩与纹理较为繁杂的图像进行风格化时，合成效果图会十分不理想，很难在实际应用场景中使用。
基于以上讨论，虽然传统的图像风格迁移算法能够诚实地描绘出某些特定的图像风格，然而它们存在一定的局限性，灵活性不足、风格不够多样化且图像结构提取困难。因而，需要全新的算法，来解除这些限制。于是便出现了神经网络图像风格迁移领域。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004411。
作者信息：
刘建锋，钟国韵
(东华理工大学 信息工程学院，江西 南昌330013)
此内容为AET网站原创，未经授权禁止转载。