การถ่ายทอดสไตล์ด้วยโครงข่ายประสาทเทียม
การถ่ายทอดสไตล์ด้วยโครงข่ายประสาทเทียม (NST) เป็นเทคนิคการสังเคราะห์ภาพด้วยการเรียนรู้เชิงลึก ซึ่งนำเสนอโดย Gatys, Ecker และ Bethge ในปี 2015 โดยแยกเนื้อหาเชิงความหมายของภาพหนึ่งออกจากพื้นผิวภาพและสไตล์ทางศิลปะของอีกภาพหนึ่ง จากนั้นจึงรวมภาพทั้งสองเข้าด้วยกันเป็นภาพสังเคราะห์เดียว โดยการปรับค่าพิกเซลซ้ำๆ เพื่อลดค่าความสูญเสียของเนื้อหาและสไตล์ที่คำนวณจากแผนที่ฟีเจอร์ของโครงข่ายประสาทเทียมแบบคอนโวลูชันที่ได้รับการฝึกฝนล่วงหน้า
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Neural Style Transfer via Convolutional Neural Network Feature Statistics. ScholarGate. https://scholargate.app/th/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.
- โครงข่ายปฏิปักษ์เชิงกำเนิดการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare