DeepArt, ibland kallad stilöverföring, är en teknik i maskininlärningsområdet som använder algoritmer för att tillämpa stilen från en bild till en annan. Kort sagt, kan det ändra en bilds utseende för att likna ett känt konstverk – allt från van Gogh till Picasso. Varje enskild pixel i bilden manipuleras för att matcha stilen från konstverket, vilket ger en ny bild som behåller dess ursprungliga struktur men med en radikalt annorlunda stil.
Tekniken bakom DeepArt bygger på konceptet neurala nätverk, mer specifikt konvolutionella neurala nätverk (CNN). Dessa nätverk används vanligtvis för bildigenkänning och -klassificering. Vid stilöverföring används CNN för att separera innehållet i bilden från dess stil. Innehållet, definierat som de viktigaste linjerna och formerna i bilden, separeras från stilen, definierad som färg- och texturmönster. Algoritmen matchar sedan innehållet från en bild med stilen från en annan.
Potentialen för DeepArt är enorm. Det kan användas för allt från att ge ett klassiskt porträtt ett modernt utseende till att förvandla en vanlig selfie till ett mästerverk. Det har också potential för företagsbruk – till exempel kan klädföretag använda tekniken för att generera bilder av sina produkter i en mängd olika stilar. DeepArt är ett bevis på att teknologin kan bli en del av den konstnärliga processen, och dess inflytande kommer garanterat att växa i framtiden.
