然而，这个方法也还是有一些失败的例子，最典型的问题就是原图一些元素在参考图中找不到真正语义的对应。比如下图，参考图中并未找到头发，所以生成结果就会变得比较诡异。

还有另一种情况就是，现在的风格转换还不能处理几何形变上的转换，如下图。

如今，人工智能正在逐渐展现出自己的“创造力”，而这将给我们的生活带来无限的新奇和乐趣。虽然短时间内人工智能还不可能像人类那样真正具有创造力，但是却可以一步步辅助人类更好地创造更多的艺术作品。而科研人员们对深度学习的探索也还远远不够，我们还需要更为深入的研究，让深度学习的工作可以被解释，这也将是我们下一阶段需要继续努力的方向。

三篇关于艺术风格化的论文[1]、[2]、[3]由来自微软研究院的研究员：袁路、廖菁、华刚、Sing Bing Kang和中国科技大学的实习生陈冬冬以及上海交通大学的实习生姚远共同发表。

　　参考文献

　　[1] Dongdong Chen, Lu Yuan, Jing Liao, Nenghai Yu, and Gang Hua. “StyleBank: An Explicit Representation for Neural Image Style Transfer”, CVPR 2017

　　[2] Dongdong Chen, Jing Liao, Lu Yuan, Nenghai Yu, and Gang Hua. “Coherent Online Video Style Transfer”, arXiv: 1703.09211

　　[3] Jing Liao, Yuan Yao, Lu Yuan, Gang Hua, and Sing Bing Kang. “Visual Attribute Transfer through Deep Image Analogy”, SIGGRAPH 2017

　　[4] Leon A. Gatys, Alexander S. Ecker, and Matthias Bethge. “A Neural Algorithm of Artistic Style”, CVPR 2016

　　[5] Justin Johnson, Alexandre Alahi, and Li Fei-Fei. “Perceptual losses for real-time style transfer and super-resolution”, ECCV 2016

　　[6] Chuan Li, and Michael Wand. “Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”, CVPR 2016

　　[7] Ulyanov, Dmitry, Vadim Lebedev, Andrea Vedaldi, and Victor Lempitsky. “Texture Networks: Feed-forward Synthesis of Textures and Stylized Images” arXiv: 1603.03417

　　[8] Xizhou Zhu, Yuwen Xiong, Jifeng Dai, Lu Yuan, Yichen Wei. “Deep Feature Flow for Video Recognition”, CVPR 2017

　　你也许还想看：

　　感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。