风格迁移：让照片拥有梵高的笔触

一张照片配上名画的笔触，背后是把“画了什么”和“怎么画”拆开再重组。本文解释风格迁移如何用网络的不同层分离内容与风格，格拉姆矩阵为何能描述笔触，以及它如何从慢速优化走向实时生成。

内容与风格可以被分开吗

一幅画给人的印象可以拆成两层：一层是画了什么，比如一座桥、几棵树；另一层是怎么画，比如厚重的油彩笔触、夸张的漩涡线条。风格迁移（style transfer）的想法正是把这两层拆开，把一张照片的内容与另一幅画的风格重新拼在一起。

这个想法在 2015 年前后因一篇论文广为人知。研究者发现，卷积网络的不同层恰好对应不同抽象程度：靠后的层对物体布局敏感，靠前的层对纹理色彩敏感。于是可以分别度量内容差异与风格差异，再用优化方法生成一张两者都满足的新图。

如何用数字描述“风格”

描述内容相对直接：把照片和生成图同时送进网络，比较高层特征的距离，越接近说明构图越像。描述风格则需要一个巧妙的工具——格拉姆矩阵（Gram matrix），它统计同一层中不同特征通道之间的相关性，可理解为哪些纹理倾向于一起出现。

相关性不记录位置，只记录共现关系，这恰好对应我们对风格的理解：笔触遍布全画，却不必固定在某个坐标。因此用格拉姆矩阵匹配风格，能让生成图拥有相似的色彩分布与纹理组合，而不必复制原画的构图。

从慢速优化到实时生成

最早的做法对每张图都要反复迭代优化，生成一张需要几秒到几分钟。后来研究者训练一个前馈网络，让它学会给定照片直接输出风格化结果，速度提升到可以实时处理视频。此后还出现了能融合多种风格、调节强度与空间位置的改进版本。

风格迁移也是生成式 AI 的一次预演。它证明神经网络学到的中间表示可以被重新组合，从而创造新图像。今天文生图模型里的画风提示词，本质上与之思路相通，只是规模更大、可控性更强。

它算不算艺术创作

围绕风格迁移的争论不少：它是否只是模仿艺术家，生成图像能否算作品，训练数据中的画作是否需要授权。技术本身中立，但在商用之前了解素材版权与许可条款，已经是行业内逐渐形成的基本共识。

本文为 AI 科普内容，仅用于知识普及，不构成任何技术选型、投资或职业决策建议。