Transfert de style neuronal
Le transfert de style neuronal (NST) est une technique de synthèse d'images par apprentissage profond, introduite par Gatys, Ecker et Bethge en 2015, qui sépare le contenu sémantique d'une image de la texture visuelle et du style artistique d'une autre, puis les recombine en une seule image synthétisée en optimisant itérativement les valeurs de pixels pour minimiser une perte combinée de contenu et de style calculée à partir des cartes de caractéristiques d'un réseau neuronal convolutif pré-entraîné.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/fr/deep-learning/neural-style-transfer
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Réseau antagoniste génératifApprentissage profond↔ comparer
- Apprentissage par transfertApprentissage automatique↔ comparer
- Autoencodeur VariationnelApprentissage profond↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →