Neural Style Transfer :A Review

论文地址：https://arxiv.org/abs/1705.04058

翻译：https://www.cnblogs.com/skykill/p/6878232.html

这篇文章是图片风格迁移的综述：

图像的风格迁移目前有两种方法①基于图片迭代的描述性神经方法②基于模型迭代的生成神经方法。

一、基于图片迭代的描述性神经方法

  通过白噪声生成一张图片，从噪声开始，通过反向传播，逐步最小化损失（包括和内容图的轮廓损失以及和风格图的文理损失）。

二、基于迭代模型的生成性神经算法

针对某一风格图，在大型数据集上训练一个前馈网络，通过梯度下降，迭代式更新模型来优化网络模型。

 

计算风格损失的两种方法主要是用于描述性神经方法：①基于MMD的描述性神经方法②基于MRF的描述性神经方法

一、基于MMD的描述性神经方法

基于最大均值差的方法。基于两个分布的样本，通过寻找在样本空间上连续的函数f，求不同分布的样本在f上的函数值的均值，通过把两个均值做差就可得到两个分布对应于f的mean discrepancy 。寻找一个f使得这个mean discrepancy 有最大值，就得到了MMD。最后取MMD作为检验统计量，从而判断两个分布是否相同。如果这个值足够小，就认为两个分布相同，否则就认为它们不相同。同时这个值也可以用来判断两个分布之间的相似程度。