实时多风格迁移

风格迁移旨在将一幅图像的内容与另一幅的艺术风格相结合。研究发现卷积网络的较低层捕获风格信息，而较高层捕获内容信息。最初的风格迁移公式使用VGG-16层激活的加权组合来实现此目标。随后，这通过前馈网络实时完成，以从相应图像中学习风格与内容特征的最优组合。我们项目的首要目标是引入一种一次性捕获多幅图像风格的框架。我们提出一种方法，通过组合若干风格图像的特征来扩展最初的实时风格迁移公式。该方法成功捕获了各独立风格图像的颜色信息。我们项目的另一目标是改善帧间的时间风格连续性。据此，我们实验了输出图像的时间稳定性，并讨论了可作为替代方案的多种可用技术。