怎样将图片P成新海诚风格？如何使照片有王家卫的质感？怎么用PS做出梵高的作品效果？小白看着大神们长长的教程，顿时失去实践的勇气。就在近期，Adobe推出新技术，可以将一张照片的风格完全套用在另一张照片上，直接复制大师滤镜，跨越技术天梯，开启大神之门。
这种名为“深度照片风格转移（Deep Photo Style Transfer）”新图像演算技术，通过系统深度分析参考图片，识别图片中的“照片风格”，然后智能转换为实际可用的“滤镜”，运用在另一张图片里。通过建立一个色彩空间上的局部仿射变换模型，使用户在各种各样的场景中都能完成满意的真实图像风格变换。
现有的图像风格转换技术具有局限性，只能处理的特定场景和变换，有时输出的图像就像是一幅直线弯曲，纹理扭曲的绘画，此次新技术去除了这些像手绘一样的空间扭曲，将变换操作只作用在色彩空间上。深度学习的图像风格变换，可以在更宽泛的时间和更丰富的图像内容上精确地转换成参考风格。
新模型基于卷积网络风格变换方法将输入图像到输出图像的变换约束在色彩空间的局部仿射变换中，这个约束用拉普拉斯抠图矩阵表示成一个完全可微的参数项，将方案空间限制到逼真图像上，从而处理了从绘画中分辨图像的基本问题。这种方法成功地抑制了图像扭曲，在图像内容的识别和风格连贯上有较大提升，对风格变换影响非常小。
输入图像和参考图像差距很大，会因此影响变换效果吗？新算法也提供了解决方案。比如，一个输入图像的天空内容比较少，风格变换可能会忽略掉内容上的差异而导致天空风格“溢出”到图像的其他部分。新算法使用输入图像和参考图像的语义分割来处理这一问题，神经网络反馈克莱姆矩阵的参考风格图像可以转移完整的“风格分布”。
输入图像和风格图像的语义标注整合到整个转移过程中，这样在相同语义的次区域间和每个次区域上进行风格转移，映射就会趋向均匀。正如我们将看到的，该算法保留了所需的风格的丰富性，并防止溢出效应。此法可以成功地防止任何区域被忽略。满足各场景下逼真的风格转移，包括时间、天气、季节和艺术编辑的转移。
新技术引入了2个核心思路：一是提出了一种优化过程中目标函数的图像写实正则化参数项，约束重构图像用输入图像的局部仿射色彩变换防止扭曲，二是基于输入图像的语义分割，针对风格转移过程，我们引入了一个可选的指南以避免内容无法匹配的问题，极大地增强了结果的图像写实性。
能有效抑制图像输出扭曲，无惧转换图片之间的巨大差距，新技术可以说是黑科技了。有这么实用的技术加持，已经开始期待Adobe旗下Photoshop的新版本了，到时，每个人的作品都可以有大师的质感。通过科技的进步，人们开始享受艺术，这也是Adobe的初衷吧。
本文属于原创文章，如若转载，请注明来源：有了Adobe新算法 小白也能当大神//server.zol.com.cn/689/6899715.html
