图像风格迁移运用到了什么技术

图像风格迁移主要运用了深度学习中的卷积神经网络（CNN）和生成对抗网络（GAN）技术。

其中，CNN技术用于提取图像的特征表示，通过多层卷积和池化操作从图像中提取出高层次的语义信息，形成图像的特征向量。而GAN技术则用于生成逼真的图像。GAN模型由生成器和判别器两部分组成，生成器利用CNN技术将输入的图像转化为目标风格下的图像，判别器则用于区分生成的图像是否真实。通过对生成器和判别器的训练，使得生成的图像能够越来越逼真，最终达到图像风格迁移的目的。

此外，还有一些基于优化方法的图像风格迁移技术，如基于局部匹配的方法和基于最小化代价函数的方法等。但是，这些方法相对于基于深度学习的方法来说，需要手工设计特征提取器和代价函数等，因此相对于深度学习方法显得更加复杂和困难。