论文Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization

摘要：     Gatys等人最近引入了一种神经算法，以另一幅图像的样式呈现内容图像，实现所谓的样式转换。但是，工作需要缓慢的迭代优化过程，这限制了其实际应用。后来有人提出了一种基于前馈神经网络的快速逼近方法，以加快神经网络的传输速度。不幸的是，速度的提高需要付出代价：网络通常绑定到一组固定的样式，无法适应任意的新样式。在本文中，我们提出了一种简单而有效的方法，它首次实现了任意样式的实时传输。我们

>>阅读原文<<