神经风格点
这是Leon A. Gatys，Alexander S. Ecker和Matthias Bethge撰写的论文的PyTorch实现。 该代码基于Justin Johnson的 。
本文提出了一种使用卷积神经网络将一幅图像的内容与另一幅图像的样式相结合的算法。 这是一个将的艺术风格映射到斯坦福大学校园夜间照片的示例：
将不同图像的样式应用于相同的内容图像会产生有趣的结果。 在这里，我们从纸上复制图2，该图以各种样式绘制了德国图宾根的照片：
这是将各种艺术品的风格应用于金门大桥照片的结果：
内容/风格权衡
该算法允许用户权衡样式和内容重建术语的相对权重，如本示例所示，在该示例中，我们将毕加索的1907年自画像的样式移植到了Brad Pitt身上：
风格量表
通过在提取样式特征之前调整样式图像的大小，我们可以控制从样式图像转移来的艺术特征的类型。
