图像迁移风格保存模型_用TensorFlow.js在浏览器中部署可进行任意图像风格迁移的模型...

风格迁移一直是很多读者感兴趣的内容之一，近日，网友ReiichiroNakano公开了自己的一个实现：用TensorFlow.js在浏览器中部署可进行任意图像风格迁移的模型。让我们一起去看看吧！

GitHub：github.com/reiinakano/arbitrary-image-stylization-tfjs

小工具：reiinakano.github.io/arbitrary-image-stylization-tfjs/

迁移效果

所谓风格迁移，指的是神经网络通过迁移算法，用另一种风格(通常是画)重新“绘制”一张图像中的内容(通常是照片)。现如今，能在浏览器中实时进行风格迁移的项目有很多，但它们中的大多数都需要针对每种风格训练独立的神经网络，所以用户的选择大大受限。

ReiichiroNakano提供的模型突破了以往模型的局限，它能将任何风格图像分解为表示其风格的100维向量，然后把这些向量结合照片信息一起馈送到另一个神经网络，以产生最终的风格化图像。

首先，我们来看看这个风格迁移模型的具体效果：

一种风格下的风格迁移

两种风格下的风格迁移

演示网站

上图是小编在作者开发的演示网站里测试的结果，感兴趣的读者可以前去一试。可以发现，虽然谈不上特别令人惊艳，但迁移的整体效果还是非常不错的，更可贵的是，它支持任意图像、任意风格的迁移，允许手动