Neural Style Transfer är en algoritm som tar två bilder som indata, en innehållsbild och en stilbild. Algoritmen genererar sedan en tredje bild som behåller innehållet från innehållsbilden men anammar stilen från stilbilden. Detta görs genom ett neuralt nätverk som analyserar både innehållet i en bild och stilen i en annan bild för att sedan generera en ny bild som kombinerar båda dessa aspekter.
Principen bakom NST bygger på sätt att förstå och manipulera representationerna inuti konstgjorda neurala nätverk. Den centrala idén är att när vi tar bilden genom de olika lagren i vår modell kan nätverket börja ”förstå” vad som är i bilden. Det gör det genom att se på råa pixlar i ingångsbilden, identifiera små variationer och texturer, sammanställa dessa i mer komplexa strukturer och slutligen identifiera högnivåinnehåll, som objekt och scener.
Men NST handlar inte bara om teknik, det är också en fascinerande blandning av konst och vetenskap. Tack vare denna teknik kan vi nu ha bilder som ser ut som de har målats av stora konstnärer som Van Gogh eller Picasso. Genom att komma ihåg att ”stil” inom NST är en bred term som kan omfatta färgscheman, penselföring, ljusförhållanden och mycket mer, kan vi komma att uppskatta den stora flexibilitet som NST erbjuder.
