Neuronale Stilübertragung
Neuronale Stilübertragung (NST) ist eine Deep-Learning-Technik zur Bildsynthese, die 2015 von Gatys, Ecker und Bethge eingeführt wurde. Sie trennt den semantischen Inhalt eines Bildes von der visuellen Textur und dem künstlerischen Stil eines anderen und kombiniert sie dann zu einem einzigen synthetisierten Bild, indem sie iterativ Pixelwerte optimiert, um einen kombinierten Inhalts- und Stilverlust zu minimieren, der aus den Feature-Maps eines vortrainierten Convolutional Neural Network berechnet wird.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Gatys, L. A., Ecker, A. S., & Bethge, M. (2016). Image Style Transfer Using Convolutional Neural Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2414–2423. DOI: 10.1109/CVPR.2016.265 ↗
- Gatys, L. A., Ecker, A. S., & Bethge, M. (2015). A Neural Algorithm of Artistic Style. arXiv preprint arXiv:1508.06576. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/de/deep-learning/neural-style-transfer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Generative Adversarial NetworkDeep Learning↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →