เปรียบเทียบวิธี

	การถ่ายทอดสไตล์ด้วยโครงข่ายประสาทเทียม	โครงข่ายปฏิปักษ์เชิงกำเนิด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2015	2014
ผู้ริเริ่ม	Gatys, L. A.; Ecker, A. S.; Bethge, M.	Goodfellow, I. et al.
ประเภท	Iterative optimization over CNN feature statistics	Generative deep learning (adversarial two-network game)
แหล่งต้นตำรับ	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.	Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS.
ชื่อเรียกอื่น	NST, artistic style transfer, neural artistic style, CNN style transfer	Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network
ที่เกี่ยวข้อง	3	4
สรุป	Neural Style Transfer (NST) is a deep-learning image synthesis technique, introduced by Gatys, Ecker, and Bethge in 2015, that separates the semantic content of one image from the visual texture and artistic style of another, then recombines them into a single synthesized image by iteratively optimizing pixel values to minimize a combined content and style loss computed from the feature maps of a pretrained convolutional neural network.	A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation.