有的人喜欢梵高，也有的人喜欢莫奈，当然还有很多其他艺术家，而且，每一个艺术家的作品风格也是非常之多。
如果将这些艺术风格全部预定制，实际是风格迁移模型预训练，不仅应用会因为模型的增多而显得体积庞大，而且，总难避免满足不了部分用户特殊的偏爱。
正是如此，艺术家滤镜才有了一个存在的理由。
通过艺术家滤镜，您可以在设备上即时训练一个新的风格，也就是自定义风格样式，这个速度比想象的要快，当然，快速的代价是以牺牲模型的效果来实现的。
训练一个完美的模型，几乎要几小时，甚至数天，这是无法被接受的，所以我们将模型的训练减少到了几秒之内。
虽然模型的效果不尽完美，但是，你能看到新的自定义的风格模型，真的应用到了照片上，总比无法应用要好的多。
应用只内置了一个著名画家梵高的星夜画作的风格模型，您完全可以自己去添加其他艺术家的名画到新的风格，也可以添加一些趣味纹理图案风格。
甚至，任何一张内容照片也能成为样式风格被训练，但是，一张普通的照片被训练成样式风格模型，似乎没多大意义，也不会看到什么可观的效果。
当然，作为一个CNN卷积神经网络下的风格迁移趣味应用，只要您觉得有趣，也不妨一试。
艺术家滤镜在很大程度上解决了风格迁移下的预定义模型限制，现在，您可以自由选择您最爱的艺术家作品作为风格样式的模型了。
将照片通过艺术家滤镜变成任何一位名画家的风格样式，也算是很酷的事情吧！

有的人喜欢梵高，也有的人喜欢莫奈，当然还有很多其他艺术家，而且，每一个艺术家的作品风格也是非常之多。
如果将这些艺术风格全部预定制，实际是风格迁移模型预训练，不仅应用会因为模型的增多而显得体积庞大，而且，总难避免满足不了部分用户特殊的偏爱。
正是如此，艺术家滤镜才有了一个存在的理由。
通过艺术家滤镜，您可以在设备上即时训练一个新的风格，也就是自定义风格样式，这个速度比想象的要快，当然，快速的代价是以牺牲模型的效果来实现的。
训练一个完美的模型，几乎要几小时，甚至数天，这是无法被接受的，所以我们将模型的训练减少到了几秒之内。
虽然模型的效果不尽完美，但是，你能看到新的自定义的风格模型，真的应用到了照片上，总比无法应用要好的多。
应用只内置了一个著名画家梵高的星夜画作的风格模型，您完全可以自己去添加其他艺术家的名画到新的风格，也可以添加一些趣味纹理图案风格。
甚至，任何一张内容照片也能成为样式风格被训练，但是，一张普通的照片被训练成样式风格模型，似乎没多大意义，也不会看到什么可观的效果。
当然，作为一个CNN卷积神经网络下的风格迁移趣味应用，只要您觉得有趣，也不妨一试。
艺术家滤镜在很大程度上解决了风格迁移下的预定义模型限制，现在，您可以自由选择您最爱的艺术家作品作为风格样式的模型了。
将照片通过艺术家滤镜变成任何一位名画家的风格样式，也算是很酷的事情吧！