摘要 本文提出了一种图像到绘画翻译方法，该方法能够生成生动逼真的绘画艺术作品，并且具有可控的风格。与以往将图像到图像翻译方法视为像素级预测不同，我们在这个向量化的环境中处理这种艺术创作过程，并生成一系列具有物理意义的笔触参数，这些参数可以进一步用于渲染。由于典型的向量渲染器不是可微的，我们设计了一种新颖的神经渲染器，它模仿向量渲染器的行为，然后将笔触预测框架化为一个参数搜索过程，该过程最大化输入和

代码来源于openprocessing，考虑到国内不是很好访问，我把我找到的比较好的搬运过来！ 合集 参考：https://openprocessing.org/sketch/793375 https://github.com/SourceOf0-HTML/processing-p5.js/tree/master 这个可以体验6种笔触，作者介绍如下： There are multi

目录 前言一、环境配置1. Anaconda环境配置2. PyCharm环境配置 二、原理讲解1. 预备知识（1）VGG卷积神经网络模型：图像特征的提取（2）卷积神经网络实现风格迁移 2. 融合注意力感知的风格迁移（1）自注意力自动编码器 Self-Attention Autoencoder（2）多尺度风格交换 Multi-scale Style Swap（3）多笔触融合模块 Multi-s