Machine learning
신경망 스타일 변환
신경망 스타일 변환(Neural Style Transfer, NST)은 2015년 Gatys, Ecker, Bethge가 소개한 딥러닝 이미지 합성 기법으로, 한 이미지의 의미론적 내용과 다른 이미지의 시각적 질감 및 예술적 스타일을 분리한 다음, 사전 훈련된 합성곱 신경망(CNN)의 특징 맵에서 계산된 내용 손실과 스타일 손실의 결합을 최소화하도록 픽셀 값을 반복적으로 최적화하여 단일 합성 이미지로 재결합합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →