或许在某个瞬间你曾艳羡于梵高和莫奈的画作；或许某个年纪你曾幻想成为二次元里一个动漫人物；或许你曾梦回古代，想象自己穿上古装的样子。如今，“图像风格化”就可以将你的梦想将变成现实。
图像风格化又可以称为风格迁移，即将一张具有艺术特色的图像的风格迁移到一张普通的图像上，使原有的图像保留原始内容的同时，具有独特的艺术风格，如卡通、漫画、油画、水彩、水墨等。
这个功能是不是我们期盼已久的呢？但我们不是美术专业出生，如何把自己拍的风景照变得极具艺术气息，或者把自己的照片变成一张素描画或者卡通画呢？或许你会觉得网上已经有很多类似的美图软件可以直接生成，但是，如果这些图片处理方式里没有自己喜欢的样式怎么办呢？这个时候，DIY图像风格化技术就可以帮助我们了。
近些年来，人工智能发展迅猛，深度学习也成为研究热点之一。随着深度学习在图像处理领域的发展，一种基于深度学习的快速图像风格化应运而生。这种图像风格化的方法大大提高了图片生成的速度，并且使生成的图片具有更好的视觉效果。
GAN即生成对抗网络。其核心思想来源于博弈论的纳什均衡，即一方有所得，另一方必有所失。GAN包含两部分，一个判别器和一个生成器。生成器的目的是学习真实的数据分布，产生与真实数据分布接近的样本；判别器的目的是判别输入数据是来自真实数据还是来自生成器。通过不断优化生成器和判别器，使两者结果都达到最优。
当然现在图像风格化工作已经不局限于图像艺术化了，看下面的拓展应用，有没有觉得非常惊叹！没事给爱车换个车型（语义风格迁移）偶尔装一装大艺术家（涂鸦变油画）换个艺术头像（肖像风格迁移）犯懒了不想手动上色了（样稿上色）工业界还有一些落地的产品呢自动化所的研究成果
这么有趣又实用的领域，自然少不了中科院自动化所的研究人员参与。还记得世界杯期间你狂热换的头像吗？没错，就是自动化所的研究成果之一！
ZHANG, Yong, Weiming DONG et al. “Data-drivenface cartoon stylization.” SIGGRAPH ASIA Technical Briefs (2014).这么有趣的事情根本停不下研究的脚步。没有最美，只有更美！
ZHANG, Yong, Weiming DONG et al. Data-DrivenSynthesis of Cartoon Faces Using Different Styles. In: IEEE Transactions onimage processing2017. 26(1),pp. 464-478当然，每年计算机视觉领域顶会针对这种场景应用都有层出不穷的优化方法。
如果自己能动手做一做，也是很有成就感的！