0 引言

    圖像風(fēng)格化是指通過一些算法，將一張具有藝術(shù)風(fēng)格圖像的風(fēng)格映射到其他自然圖像上，使原自然圖像保留原始語義內(nèi)容的同時(shí)具備該藝術(shù)圖像的藝術(shù)風(fēng)格。圖像風(fēng)格化這一概念的提出是源于人們被某些藝術(shù)繪畫大師的藝術(shù)作品所吸引，渴望自己也能夠擁有同樣藝術(shù)風(fēng)格的圖像，而重新繪制特殊風(fēng)格的圖像則需要大量相關(guān)技術(shù)人員的投入和資源損耗，于是一些研究人員開始研究相應(yīng)算法來完成圖像風(fēng)格化任務(wù)。

    自20世紀(jì)90年代中期以來，人們相繼提出大量風(fēng)格化算法，其中非真實(shí)感渲染^[1]方法取得了較好的效果，但這種方法局限于僅能針對(duì)單一風(fēng)格進(jìn)行繪制，如果需要拓展到其他風(fēng)格的轉(zhuǎn)換，則需要重新修改算法和參數(shù)。研究人員后來進(jìn)一步將風(fēng)格化問題轉(zhuǎn)化為風(fēng)格圖像的紋理合成問題，將目標(biāo)風(fēng)格圖像的紋理特征信息映射到待風(fēng)格化圖像中完成風(fēng)格化任務(wù)。WANG B等^[2]從風(fēng)格圖像數(shù)據(jù)集中提取紋理信息，將紋理信息與被分割的原始圖像結(jié)合成新的風(fēng)格化圖像。HERTZMANN A等^[3]通過學(xué)習(xí)來自未經(jīng)轉(zhuǎn)換的圖片和風(fēng)格化圖像的示例對(duì)的類似變換來進(jìn)行風(fēng)格化任務(wù)。FRIGO O等^[4]提出一種無監(jiān)督的風(fēng)格化方法，具體是對(duì)小圖像塊的分割和重構(gòu)完成風(fēng)格轉(zhuǎn)移。以上這些算法都是圖像風(fēng)格化的傳統(tǒng)算法，傳統(tǒng)算法還有很多，但其最大的局限性就是僅僅使用了圖像低層次的特征，無法完美捕捉到圖像的結(jié)構(gòu)分布，這就導(dǎo)致風(fēng)格化效果不理想。

1 基于深度學(xué)習(xí)的圖像風(fēng)格化算法

    深度學(xué)習(xí)對(duì)于計(jì)算機(jī)視覺方面良好的效果使得風(fēng)格化研究人員不得不將目光轉(zhuǎn)移到它身上。隨著卷積神經(jīng)網(wǎng)絡(luò)^[5]的提出，圖像的高層次特征得以有效利用，傳統(tǒng)風(fēng)格化算法的局限性得以消除，這吸引了大量的風(fēng)格化研究人員。

    GATYS L A等開創(chuàng)性地利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行風(fēng)格化任務(wù)。他們?cè)谖墨I(xiàn)[6]中首先利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像紋理合成的任務(wù)，從目標(biāo)風(fēng)格圖像中提取紋理。他們用Gram矩陣來表示紋理信息，Gram矩陣是預(yù)訓(xùn)練分類網(wǎng)絡(luò)VGG的各過濾器激活值之間的相關(guān)系數(shù)，這種基于Gram矩陣的紋理表示方式有效地模擬了紋理的各種變化。他們初始化一張?jiān)肼晥D像，將噪聲圖像和待提取紋理的目標(biāo)圖像都送入VGG網(wǎng)絡(luò)中，通過最小化噪聲圖像和目標(biāo)圖像之間各層的Gram矩陣之間的差值作為損失函數(shù)對(duì)噪聲圖像的像素值進(jìn)行優(yōu)化，通過反復(fù)的優(yōu)化迭代得到目標(biāo)圖像的紋理，這是圖像的紋理也就是風(fēng)格的提取過程。

    在后來的工作中，GATYS L A等人在紋理合成的基礎(chǔ)上通過引入目標(biāo)內(nèi)容圖像，修改了損失函數(shù)使算法同時(shí)針對(duì)風(fēng)格和內(nèi)容進(jìn)行優(yōu)化，滿足了保持目標(biāo)語義內(nèi)容不變同時(shí)的風(fēng)格化任務(wù)，可以做到如圖1所示的風(fēng)格化效果。此方法雖然能夠較好地完成圖像風(fēng)格化的任務(wù)，但是其缺點(diǎn)也是很明顯的，由于優(yōu)化需要較長(zhǎng)的等待時(shí)間，因此在實(shí)時(shí)性這一方面此方法有很大的局限性。另外，由于卷積神經(jīng)網(wǎng)絡(luò)不可避免地會(huì)丟失一些低級(jí)特征信息，因此GATYS L A等人的算法在風(fēng)格化后的細(xì)節(jié)方面表現(xiàn)不佳且難以實(shí)現(xiàn)真實(shí)照片作為風(fēng)格的轉(zhuǎn)換任務(wù)。

    針對(duì)GATYS L A等^[7]的研究中關(guān)于實(shí)時(shí)性的問題，ULYANOV D等^[8]和JOHNSON J等^[9]都提出了相應(yīng)的解決辦法。這兩種方法的原理相似，都是采用離線訓(xùn)練的方式預(yù)先訓(xùn)練一個(gè)風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)，只不過采用不同的網(wǎng)絡(luò)結(jié)構(gòu)，兩個(gè)網(wǎng)絡(luò)結(jié)構(gòu)分別如圖2和圖3所示。這樣，當(dāng)需要進(jìn)行圖像風(fēng)格化任務(wù)時(shí)，只需要將圖像送入轉(zhuǎn)換網(wǎng)絡(luò)中，即可立即獲得風(fēng)格化后的圖像。但是，由于這兩種算法的核心思想是基于文獻(xiàn)[7]的算法，因此這兩種算法依舊面臨著GATYS L A等風(fēng)格化后的局部細(xì)節(jié)方面表現(xiàn)不佳的問題。而且最大的局限性是預(yù)訓(xùn)練的轉(zhuǎn)換網(wǎng)絡(luò)只能對(duì)一種風(fēng)格進(jìn)行訓(xùn)練，如果想實(shí)現(xiàn)多個(gè)風(fēng)格的轉(zhuǎn)換，需要為每種特定風(fēng)格都訓(xùn)練一個(gè)轉(zhuǎn)換網(wǎng)絡(luò)。

    除了Gram矩陣可用于表示紋理特征外，馬爾科夫隨機(jī)場(chǎng)（MRF）也是對(duì)圖像紋理特征建模的另一種方法。考慮到Gram矩陣的一些局限性，一些研究人員采用MRF的方法處理風(fēng)格化問題。基于MRF的紋理建模表示方法假定在一個(gè)紋理圖像中，每個(gè)像素僅與其相鄰的像素有關(guān)，即每個(gè)像素完全由其空間鄰域表征。

    LI C和WAND M^[10]認(rèn)為GATYS L A等基于Gram矩陣的紋理表示方法僅考慮像素特征的相關(guān)性，沒有考慮空間結(jié)構(gòu)，這導(dǎo)致了算法在真實(shí)圖像作為目標(biāo)風(fēng)格時(shí)不能很好地完成風(fēng)格化任務(wù)。所以，他們提出了結(jié)合MRF和神經(jīng)網(wǎng)絡(luò)的方法。具體原理與GATYS L A等的原理相似，不同點(diǎn)在于沒有利用特征圖之間的關(guān)系構(gòu)成Gram矩陣，而是將特征圖生成了很多的局部圖像塊（local patch），利用MRF去尋找圖像塊與圖像塊之間關(guān)系的匹配，這樣能更好地保留像素局部的信息，可以完成真實(shí)照片作為目標(biāo)風(fēng)格圖像的風(fēng)格化任務(wù)，如圖4所示。這種方法的缺點(diǎn)在于當(dāng)內(nèi)容圖像和風(fēng)格圖像在結(jié)構(gòu)上存在很大差異時(shí)，由于圖像塊之間難以匹配，可能導(dǎo)致風(fēng)格化任務(wù)失敗。

    考慮到文獻(xiàn)[10]實(shí)時(shí)性的問題，LI C和WAND M又提出了一種離線訓(xùn)練的方式完成風(fēng)格化任務(wù)^[11]。其核心思想依舊基于MRF，通過對(duì)抗性訓(xùn)練一個(gè)前饋網(wǎng)絡(luò)來解決效率問題。同樣，這種基于MRF的方法有利于保留紋理像素的局部細(xì)節(jié)信息，所以對(duì)于復(fù)雜的紋理圖像，這種方法的風(fēng)格化效果要比JOHNSON J等和ULYANOY D等要好。但是，由于算法對(duì)圖像語義內(nèi)容和高層次特征上考慮的缺乏，因此對(duì)于非紋理圖像（如臉部）作為目標(biāo)風(fēng)格圖像時(shí)往往得不到很好的結(jié)果。

    以上算法的很大限制就是往往只針對(duì)單一風(fēng)格進(jìn)行風(fēng)格化任務(wù)，若希望得到不同的風(fēng)格化結(jié)果則需要多次運(yùn)行算法或訓(xùn)練多個(gè)風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)。于是研究人員開始對(duì)如何一次完成多種風(fēng)格的轉(zhuǎn)換任務(wù)這一問題進(jìn)行研究。DUMOULIN V等^[12]提出了一種基于條件實(shí)例規(guī)范化的方法去訓(xùn)練一個(gè)多風(fēng)格條件轉(zhuǎn)換網(wǎng)絡(luò)，具體做法是通過歸一化不同轉(zhuǎn)換參數(shù)的特征統(tǒng)計(jì)將內(nèi)容圖像轉(zhuǎn)換為不同的風(fēng)格，來實(shí)現(xiàn)通過調(diào)整不同的轉(zhuǎn)換參數(shù)來模擬不同的風(fēng)格的目的。LI Y等^[13]將初始化的噪聲圖像送入不同的子風(fēng)格網(wǎng)絡(luò)中得到相應(yīng)的風(fēng)格特征編碼，然后結(jié)合內(nèi)容特征編碼和風(fēng)格特征編碼送入轉(zhuǎn)換網(wǎng)絡(luò)的上采樣部分完成風(fēng)格轉(zhuǎn)換，不同的風(fēng)格可以通過選擇單元進(jìn)行選擇。ZHANG H和DANA K^[14]將多種風(fēng)格送入預(yù)訓(xùn)練的VGG網(wǎng)絡(luò)中得到多尺度風(fēng)格特征，然后將此風(fēng)格特征與來自編碼器中的不同層的多尺度內(nèi)容特征組合，通過其所提出的激勵(lì)層，實(shí)現(xiàn)多風(fēng)格化。

    除了多風(fēng)格轉(zhuǎn)換，一些研究人員還對(duì)任意風(fēng)格的轉(zhuǎn)換進(jìn)行了研究。HUANG X和BELONGIE S^[15]提出了基于文獻(xiàn)[12]思想的另一種方法，他們將條件實(shí)例規(guī)范化修改為自適應(yīng)實(shí)例歸一化，與DUMOULIN V等^[12]不同的是他們采用的風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)的下采樣部分包含了VGG網(wǎng)絡(luò)前幾層在內(nèi)且參數(shù)固定，這樣得到的特征激活值經(jīng)過自適應(yīng)實(shí)例歸一化處理后上采樣重構(gòu)后即可得到風(fēng)格化后的圖像。此方法能夠完成實(shí)時(shí)的任意風(fēng)格化處理，上采樣部分的網(wǎng)絡(luò)參數(shù)需要大量的風(fēng)格圖像和內(nèi)容圖像進(jìn)行訓(xùn)練。后來，LI Y等^[16]又對(duì)HUANG X和BELONGIE S^[15]的方法進(jìn)行了改進(jìn)，他們采用相同的網(wǎng)絡(luò)結(jié)構(gòu)，只是用白化著色變換代替了自適應(yīng)實(shí)例歸一化，這是因?yàn)榘谆儞Q可以去除風(fēng)格相關(guān)信息并保留內(nèi)容結(jié)構(gòu)，這使得內(nèi)容圖像的特征信息能夠較好地傳遞，然后通過著色變換將風(fēng)格特征與內(nèi)容結(jié)合后，經(jīng)過上采樣重構(gòu)圖像后得到的就是風(fēng)格化后的圖像。

2 圖像風(fēng)格化的拓展

    隨著圖像風(fēng)格化技術(shù)的成熟，一些研究人員發(fā)現(xiàn)圖像風(fēng)格化算法具備更廣泛的研究?jī)r(jià)值，可以拓展到其他相關(guān)應(yīng)用，以下僅簡(jiǎn)要介紹圖像風(fēng)格化的幾個(gè)拓展方向。

2.1 視頻風(fēng)格化

    視頻可以理解為一張張圖像經(jīng)過連續(xù)化處理得到的，那么圖像的風(fēng)格化任務(wù)就可以拓展到視頻風(fēng)格化的領(lǐng)域來。需要注意的是，視頻風(fēng)格化算法需要考慮相鄰視頻幀之間的平滑過渡。第一個(gè)視頻風(fēng)格化算法由RUDER M等提出^[17-18]，他們使用光流法計(jì)算光流信息，并引入了時(shí)間一致性損失，他們的算法實(shí)現(xiàn)了平滑的視頻風(fēng)格化結(jié)果。后來HUANG H等基于RUDER M等的思想提出一個(gè)離線訓(xùn)練的視頻風(fēng)格化模型^[19]，具體做法是將兩個(gè)連續(xù)的幀畫面送入風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)中得到輸出，對(duì)輸出的結(jié)果直接計(jì)算時(shí)間一致性損失來約束兩幀之間的連續(xù)性。

2.2 人臉風(fēng)格化

    盡管之前的算法都能夠?qū)崿F(xiàn)風(fēng)格化任務(wù)，但是由于沒有單獨(dú)考慮頭部特征導(dǎo)致難以實(shí)現(xiàn)單獨(dú)針對(duì)頭部的風(fēng)格化效果。SELIM A等^[20]在風(fēng)格化過程中增加了增益圖對(duì)空間配置進(jìn)行約束，這使得面部的結(jié)構(gòu)特征在風(fēng)格化過程中得以保留。ZHAO M T等^[21]從由繪畫大師預(yù)先繪畫的肖像中提取筆觸信息，將筆觸信息傳遞給內(nèi)容圖像實(shí)現(xiàn)人臉風(fēng)格化方法。WANG N N等^[22]采用MRF的方法實(shí)現(xiàn)人臉風(fēng)格化，他們的方法可以從訓(xùn)練數(shù)據(jù)集中為目標(biāo)圖像匹配到最合適的特征信息完成風(fēng)格化任務(wù)。

2.3 語義風(fēng)格化

    語義風(fēng)格化是假設(shè)有兩張圖像，兩張圖像有著相似的語義內(nèi)容但不同的風(fēng)格，希望將一張圖像的風(fēng)格過渡到另一張圖像上。CHAMPANDARD A J^[23]提出基于圖像塊匹配的算法^[24]完成語義風(fēng)格化任務(wù)。CHEN Y L和HSU C T^[25]提出了一種不同的思路，他們約束空間對(duì)應(yīng)關(guān)系及風(fēng)格特征統(tǒng)計(jì)完成語義風(fēng)格化。

3 存在問題及今后研究方向

    由于風(fēng)格這一概念的模糊性，人們對(duì)于風(fēng)格化圖片效果的評(píng)估往往都是基于主觀意識(shí)，風(fēng)格化的好與壞完全由個(gè)人主觀評(píng)判。由于人與人之間主觀意識(shí)上的差異，導(dǎo)致對(duì)風(fēng)格化結(jié)果的評(píng)判也各不相同。不同于分類任務(wù)^[26]，圖像風(fēng)格化沒有一個(gè)預(yù)期的標(biāo)準(zhǔn)來對(duì)風(fēng)格化結(jié)果進(jìn)行評(píng)判，這是目前各種風(fēng)格化算法普遍面臨的問題，如何找到一個(gè)標(biāo)準(zhǔn)的評(píng)估方法，將會(huì)是風(fēng)格化領(lǐng)域內(nèi)各研究人員今后的一個(gè)重要研究方向。

    雖然基于圖像優(yōu)化的在線風(fēng)格化算法(如GATYS L A等^[7]和LI C、WAND M等^[10])可以較好地完成圖像風(fēng)格化的任務(wù)，但是此類方法由于需要在線優(yōu)化，難以保證風(fēng)格化的速度。離線訓(xùn)練風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)的方式(如ULYANOV D等^[8]和JOHNSON J等^[9])可以避免此類速度問題，但訓(xùn)練一個(gè)單風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)不夠靈活，因?yàn)槎鄶?shù)情況下用戶需要多種風(fēng)格化方式，而訓(xùn)練一個(gè)多風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)得到的效果卻又不如針對(duì)單一風(fēng)格轉(zhuǎn)換網(wǎng)絡(luò)的效果好，所以如何提出一種同時(shí)滿足轉(zhuǎn)換速度和轉(zhuǎn)換效果的方法也是今后研究的一個(gè)重要方向。

4 結(jié)論

    本文主要介紹了基于深度學(xué)習(xí)的圖像風(fēng)格化方法，并對(duì)相應(yīng)算法的優(yōu)缺點(diǎn)和今后的研究發(fā)展方向進(jìn)行了簡(jiǎn)要的分析。通過研究發(fā)現(xiàn)，盡管傳統(tǒng)方法能夠完成風(fēng)格化任務(wù)，但是由于其局限性，不論是在合成速度方面還是圖像效果方面都不是很理想。隨著深度學(xué)習(xí)的介入，傳統(tǒng)處理圖像的方法得到了更好的發(fā)揮，圖像的特征信息也得到了充分利用，可以說神經(jīng)網(wǎng)絡(luò)使人們對(duì)圖像風(fēng)格化這一領(lǐng)域的研究向前邁了一大步。雖然目前圖像風(fēng)格化領(lǐng)域有了一些進(jìn)展，可以實(shí)現(xiàn)一些簡(jiǎn)單的應(yīng)用，但距離風(fēng)格化技術(shù)的全面成熟仍需要不斷的發(fā)展改進(jìn)。總而言之，圖像風(fēng)格化作為一個(gè)具有廣泛商業(yè)用途，充滿吸引力和挑戰(zhàn)性的方向，有重要的研究意義等著研究人員去發(fā)展創(chuàng)新。

參考文獻(xiàn)

[1] GOOCH B，GOOCH A.Non-photorealistic rendering[M].Natick，MA，USA：A.K.Peters，Ltd.，2001.

[2] WANG B，WANG W P，YANG H P，et al.Efficient examplebased painting and synthesis of 2D directional texture[J].IEEE Transactions on Visualization and Computer Graphics，2004，10(3)：266-277.

[3] HERTZMANN A，JACOBS C E，OLIVER N，et al.Image analogies[C].Proceedings of the 28th Annual Conference On Computer Graphics And Interactive Techniques.ACM，2001：327-340.

[4] FRIGO O，SABATER N，DELON J，et al.Split and match：Example-based adaptive patch sampling for unsupervised style transfer[C].IEEE Conference on Computer Vision and PatternＲecognition，2016：2338-2351.

[5] 徐中輝，呂維帥.基于卷積神經(jīng)網(wǎng)絡(luò)的圖像著色[J].電子技術(shù)應(yīng)用，2018，44(10)：19-22.

[6] GATYS L A，ECKER A S，BETHGE M.Texture synthesis using convolutional neural networks[C].International Conference on Neural Information Processing Systems.MIT Press，2015.

[7] GATYS L A，ECKER A S，BETHGE M.A neural algorithm of artistic style[J].arXiv：1508，06576[cs.CV].

[8] ULYANOV D，LEBEDEV V，VEDALDI A，et al.Texture networks：feed-forward synthesis of textures and stylized images[C].International Conference on Machine Learning，2016：1349-1357.

[9] JOHNSON J，ALAHI A，Li Feifei.Perceptual losses for real-time style transfer and super-resolution[C].European Conference on Computer Vision，2016：694-711.

[10] LI C，WAND M.Combining markov random fields and convolutional neural networks for image synthesis[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2016：2479-2486.

[11] LI C，WAND M.Precomputed real-time texture synthesis with markovian generative adversarial networks[C].European Conference on Computer Vision，2016：702-716.

[12] DUMOULIN V，SHLENS J，KUDLUR M.A learned representation for artistic style[C].International Conference on Learning Representations，2017.

[13] LI Y，CHEN F，YANG J，et al.Diversified texture synthesis with feed-forward networks[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2017：3920-3928.

[14] ZHANG H，DANA K.Multi-style generative network for real-time transfer[J].arXiv:1703.06953.

[15] HUANG X，BELONGIE S.Arbitrary style transfer in real-time with adaptive instance normalization[C].Proceedings of the IEEE International Conference on Computer Vision，2017：1501-1510.

[16] LI Y，F(xiàn)ANG C，YANG J，et al.Universal style transfer via feature transforms[C].Advances in Neural Information Processing Systems，2017：385-395.

[17] RUDER M，DOSOVITSKIY A，BROX T.Artistic style transfer for videos[C].German Conference on Pattern Recognition，2016：26-36.

[18] RUDER M，DOSOVITSKLY A，BROX T.Artistic style transfer for videos and spherical images[J].International Journal of Computer Vision，2018，126：1199.

[19] HUANG H，WANG H，LUO W，et al.Real-time neural style transfer for videos[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2017：783-791.

[20] SELIM A，ELGHARIB M，DOYLE L.Painting style transfer for head portraits using convolutional neural networks[J].ACM Transactions on Graphics，2016，35(4)：129.

[21] ZHAO M T，ZHU S C.Portrait painting using active templates[C].ACM SIGG RAPH/Eurographics Symposium on Non-Photorealistic Animation and Rendering，2011：117-124.

[22] WANG N N，TAO D C，GAO X B，et al.Transductive face sketch-photo synthesis[J].IEEE Transactions on Neural Networks and Learning Systems，2013，24(9)：1364-1376.

[23] CHAMPANDARD A J.Semantic style transfer and turning two-bit doodles into fine artworks[J].arXiv：1603：01768[cs.CV].

[24] LI C，WAND M.Combining markov random fields and convolutional neural networks for image synthesis[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2016：2479-2486.

[25] CHEN Y L，HSU C T.Towards deep style transfer：A content-aware perspective[C].Proceedings of the British Machine Vision Conference，2016.

[26] 許少尉，陳思宇.基于深度學(xué)習(xí)的圖像分類方法[J].電子技術(shù)應(yīng)用，2018，44(6)：116-119.

[27] 鄧盈盈，唐帆，董未名.圖像藝術(shù)風(fēng)格化的研究現(xiàn)狀[J].南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版)，2017(6)：31-36.

[28] JING Y，YANG Y，F(xiàn)ENG Z，et al.Neural style transfer：a review[J].arXiv：1705.04D58[cs.CV].

作者信息:

黃海新，梁志旭，張  東

(沈陽理工大學(xué) 自動(dòng)化與電氣工程學(xué)院，遼寧 沈陽110159)