图像风格迁移国内外研究现状

图像风格迁移是指将一张图片的风格转移到另一张图片上，从而生成一个融合了两张图片风格的新图片。近年来，图像风格迁移在计算机视觉和人工智能领域得到了广泛关注和研究。

国内研究现状：

2015年，百度深度学习实验室提出了基于深度学习的图像风格迁移方法。该方法使用卷积神经网络(CNN)来提取图片的风格和内容特征，并将它们结合起来生成新的图片。

2017年，清华大学、北京大学和微软亚洲研究院联合提出了一种基于局部特征的图像风格迁移方法。该方法使用基于块的卷积神经网络(BCNN)来提取局部特征，并将它们结合起来生成新的图片。

2018年，中国科学院自动化研究所提出了一种基于多尺度卷积神经网络的图像风格迁移方法。该方法使用多尺度卷积神经网络(MCNN)来提取不同尺度的特征，并将它们结合起来生成新的图片。

国外研究现状：

2015年，美国康奈尔大学提出了一种基于神经风格迁移的图像风格迁移方法。该方法将风格和内容特征分别用卷积神经网络提取，然后使用神经网络来将它们结合起来生成新的图片。

2016年，加拿大蒙特利尔大学提出了一种基于生成对抗网络(GAN)的图像风格迁移方法。该方法使用生成器网络和判别器网络来训练模型，从而生成新的图片。

2017年，英国牛津大学提出了一种基于变分自编码器(VAE)的图像风格迁移方法。该方法使用变分自编码器来学习图片的潜在表示，并将它们结合起来生成新的图片。

总体来说，国内外研究人员在图像风格迁移领域取得了很多进展。未来，随着人工智能技术的不断发展，图像风格迁移将有更广泛的应用。