Trasferimento di Stile Neurale
Il Trasferimento di Stile Neurale (NST) è una tecnica di sintesi di immagini basata sul deep learning, introdotta da Gatys, Ecker e Bethge nel 2015, che separa il contenuto semantico di un'immagine dalla texture visiva e dallo stile artistico di un'altra, per poi ricombinarli in un'unica immagine sintetizzata ottimizzando iterativamente i valori dei pixel per minimizzare una perdita combinata di contenuto e stile calcolata dalle mappe di attivazione di una rete neurale convoluzionale pre-addestrata.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/it/deep-learning/neural-style-transfer
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Rete Generativa AvversariaApprendimento profondo↔ confronta
- Apprendimento per trasferimentoApprendimento automatico↔ confronta
- Variational AutoencoderApprendimento profondo↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →