神经风格迁移：综述
计算机视觉与模式识别
2018-10-31 v7 神经与进化计算
图像与视频处理
机器学习
摘要
Gatys等人的开创性工作展示了卷积神经网络(CNNs)通过分离和重组图像内容与风格来创作艺术图像的能力。这种使用CNN将内容图像渲染为不同风格的过程被称为神经风格迁移(NST)。此后，NST成为学术文献和工业应用中的热门话题。它受到越来越多的关注，人们提出了多种方法来改进或扩展原始的NST算法。在本文中，我们旨在提供关于NST当前进展的全面概述。我们首先提出NST领域当前算法的分类法。然后，我们提出几种评估方法，并从定性和定量两方面比较不同的NST算法。本综述最后讨论了NST的各种应用以及未来研究的开放问题。本综述中讨论的论文列表、相应代码、预训练模型和更多比较结果公开于 https://github.com/ycjing/Neural-Style-Transfer-Papers。
引用
@article{arxiv.1705.04058,
title = {Neural Style Transfer: A Review},
author = {Yongcheng Jing and Yezhou Yang and Zunlei Feng and Jingwen Ye and Yizhou Yu and Mingli Song},
journal= {arXiv preprint arXiv:1705.04058},
year = {2018}
}
备注
Project page: https://github.com/ycjing/Neural-Style-Transfer-Papers