样式转移和GAN之间有什么关系？

Question

我刚刚开始了解这些主题。据我所知，style transfer从一个图像中获取内容，从另一个图像中获取样式，以第二个图像的样式生成或重新创建第一个图像，而GAN根据训练生成全新的图像设置。

但是我看到很多地方可以将两者互换使用，例如this blog here，还有其他使用GAN来实现样式转换的地方，例如this paper here

GAN和Style是传递两种不同的东西，还是GAN是实现样式传递的方法，还是它们都是同一件事的不同事物？两者之间的界线到底在哪里？

Answer 1

GAN是一种神经网络架构

样式转移是一种（一组）处理方法（可以像灰度或模糊一样简单）

---

所以关系是：

• GAN可用于实现样式转换。 （和其他东西）

---

要使其复杂化（希望可以使事情变得清楚），如果您认为特征向量是图像的样式，那么feature vector -> image转换就是样式转换：）

Answer 2

GAN比Style Transfer更通用。两种方法都试图解决相同的问题，但是方法不同。样式转移尝试在应用其他图像的样式时保持图像的内容完整。它从NN模型的中间层提取内容和样式。它着重于分别学习图像的内容和样式，但是在GAN中，该模型试图在不区分上下文和样式的学习的情况下，学习从一个域到另一个域的整个映射。

loss function of style transfer = Loss(content) + Loss(style)
loss function of GAN = loss(cycle consistency) + loss(adversarial)