所谓图像风格迁移，是指利用算法学习著名画作的风格，然后再把这种风格应用到另外一张图片上的技术。著名的国像处理应用Prisma是利用风格迁移技术，将普通用户的照片自动变换为具有艺术家的风格的图片。本次活动会介绍这项技术背后的原理，此外，还会使用TensorFlow 实现一个快速风格迁移的应用。
逼真图片风格迁移是一个长期存在的问题，它试图将参考风格照片中的风格迁移到另一个输入图片上。例如，通过适当地选择参考风格照片，你就可以使输入图片看起来像是在不同的照明、时间或天气下拍摄的，或者像是用另一种完全不同的意图进行了艺术风格的晕染。到目前为止，现有的技术在场景的多样性、它们能够处理的迁移，以及它们所达到的风格匹配的忠实性程度上面还存在着诸多局限性。在本讲座中，我们介绍了一种用于逼真图片风格迁移的深度学习方法，即它在处理各种各样的图像情境的同时，还可以准确地迁移参考风格。最近Gatys等人在《使用卷积神经网络的图像风格迁移》（Image style transfer using convolutional neural networks.）中所提及的神经风格迁移研究中有了最新成果，而我们的方法就是基于此的。
7:00-7:20 GDG社区及活动背景介绍
7:20-7:40 TensorFlow2.0新特性介绍和环境安装
7:40-8:20 TensorFlow2.0进行图片识别;输出：FasionMinist服饰识别
8:20-9:00 TensorFlow2.0实现风格迁移;输出：敦煌风格图片迁移生成对抗网
络算法GAN
9:00-9:10 茶歇活动
9:10-9:30 TensorFlow2.0进行FasionMinist 服饰生成;输出：对抗网络生成现
代服饰图片
9:30-9:50 对抗网络和风格迁移算法结合
9:50-10:10 TensorFlow2.0进行敦煌服饰生成：输出：使用对抗网络和风格迁
移算法进行新的服饰生成
10:10-10:30 成果展示
10:30 合影
