全文总字数：4425字
文献综述
文 献 综 述一、选题背景随着科技的发展与进步，人们对艺术的追求也不再仅仅局限于传统形式上的艺术创作，而是逐步的将传统艺术与现代科技相结合，以满足人们对艺术的追求。
图像风格迁移就是在这个背景下诞生的。
图像风格迁移，即image style transfer，简单来说就是给任意图片或图画添加上不同的艺术效果，这些艺术效果可以是任意风格。
然而，不同的人对图像的风格有着不同的理解，这就导致如何把一个图像的风格变成另一个风格成为了一个难以定义的问题。
把一个说不清的问题变为一个可执行的程序，是困扰了很多图像风格迁移相关研究者的问题。
传统的图像风格迁移都是通过手动来建立一个数学或统计模型并且改变要做风格迁移的图像来使这个图像更好的符合前面建立的模型，并且一个模型通常只能应用在有限场景下，如果想做其他类型的风格迁移就得重新建立模型，这就导致图像风格迁移的成本极高而且效果也不好。
后来Gatys等人将卷积神经网络应用在了图像风格迁移上，并取得了极好的风格迁移效果。
最初的图像风格迁移的速度是极其缓慢的，因为每生成一张图片都要训练一次模型，这就导致往往要经过几分钟甚至更长时间才能实现一张图片的风格迁移。
那有没有办法来提高图像风格迁移的速度呢？当然有，即快速风格迁移，由Justin Johnson, Alexandre Alahi, Li Fei-Fei等人提出，该方法将图像风格迁移的训练和图像生成分隔开，以提高效率。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
