AdaIN-style

上传任意风格图，实时迁移到内容图，无需重新训练

AdaIN-style 是一个基于 Lua 和 Torch 实现的实时任意风格迁移项目，源自论文《Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization》。它解决了传统风格迁移只能针对单一训练风格、且速度慢的问题，通过自适应实例归一化（AdaIN）技术，将内容图像与任意风格图像的特征在统计层面进行对齐，从而在保持内容结构的同时融入风格纹理。核心能力包括：支持任意风格图像的实时迁移（无需针对新风格重新训练）、提供预训练模型和测试脚本、支持视频风格化处理。项目代码结构清晰，适合研究风格迁移算法或进行二次开发，是风格迁移领域的重要参考实现之一。

开源 free 设计创意

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1569

维护状态低维护

是否开源是

定价模式 free

项目数据

分类设计创意

开发团队xunhuang1995

所属国家

官网地址

GitHubhttps://github.com/xunhuang1995/AdaIN-style

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Lua

技术栈/模型deep-learning,generative-art,generative-model,neural-style,style-transfer

GitHub 星标★ 1569

30天Star增速

HF 下载量

上线时间2017-03-20 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

难度：高级约 30 分钟部署方式：命令行工具 6 步

环境要求

Torch7（必需，README 仅给出官方仓库链接，未提供安装命令）
CUDA 与 cuDNN（可选，用于 GPU 加速）
cunn 与 torch.cudnn（可选，GPU 支持依赖）
ffmpeg（可选，仅在处理视频时需要）
已下载的预训练模型（通过 models/download_models.sh 获取）

安装与启动步骤

1安装 Torch7 环境

根据 README 依赖列表，必须先安装 Torch7；如需 GPU 加速可选装 CUDA、cuDNN、cunn、torch.cudnn，视频处理另装 ffmpeg。README 未提供安装命令，请按 Torch 官方文档操作。
2下载预训练模型

在项目根目录执行脚本下载模型，README 未说明模型保存的具体路径，请留意脚本输出。
```
bash models/download_models.sh
```
3准备输入图片

把内容图放到 input/content 目录，风格图放到 input/style 目录；README 示例中使用了 cornell.jpg 与 woman_with_hat_matisse.jpg。
4运行单图风格迁移

用 -content 和 -style 分别指定内容图与风格图路径，结果保存到输出目录。按论文数据，512x512 图像在 Pascal Titan X 上可达 15 FPS。
```
th test.lua -content input/content/cornell.jpg -style input/style/woman_with_hat_matisse.jpg
```
5批量处理图像

用 -contentDir 和 -styleDir 指定目录后，会保存内容与风格的每一种组合到输出目录，注意组合数会相乘。
```
th test.lua -contentDir input/content -styleDir input/style
```
6查看全部参数

想了解全部可用选项时执行帮助命令，README 列出 -crop、-contentSize、-styleSize 等常用参数。
```
th test.lua -help
```

关键配置

配置项	必填	说明	示例
`-content`	是	内容图像的文件路径，单图模式必填	`input/content/cornell.jpg`
`-style`	是	风格图像的文件路径，单图模式必填	`input/style/woman_with_hat_matisse.jpg`
`-contentDir`	否	内容图目录，批量模式使用，与 -content 二选一	`input/content`
`-styleDir`	否	风格图目录，批量模式使用，会输出所有组合	`input/style`
`-contentSize`	否	内容图新的最小尺寸，设为 0 保持原始尺寸	`512`
`-styleSize`	否	风格图新的最小尺寸，设为 0 保持原始尺寸	`512`

如何确认成功

终端命令正常结束且无报错，并在输出目录中生成对应的风格化图像文件。

常见问题

Q：必须要有 GPU 吗？

A：不是。README 中 CUDA、cuDNN、cunn、torch.cudnn 均为可选依赖，但 Torch7 本体是必需的。没有 GPU 时可只用 CPU 运行，速度会慢很多。

Q：如何一次处理多张图片？

A：使用 -contentDir 和 -styleDir 指定内容与风格目录，程序会保存每一种内容与风格的组合结果到输出目录。

Q：能处理视频吗？

A：项目支持视频风格化，需要额外安装 ffmpeg。README 只列出了 ffmpeg 依赖，并未给出视频处理的具体命令。

Q：有哪些可选参数可以调整？

A：README 提到 -crop（先对内容图和风格图做中心裁剪）、-contentSize 与 -styleSize（设置最小尺寸，0 表示保持原图大小），完整列表可用 th test.lua -help 查看。

Q：风格化结果保存在哪里？

A：README 只说明结果会保存到输出目录，未给出确切路径，运行后请查看脚本输出或项目目录下的结果文件夹。

注意事项

README 未提供 Torch7 的安装命令，需自行参考 Torch 官方文档，环境搭建是主要门槛。
必须先运行 models/download_models.sh 下载预训练模型，否则无法执行风格迁移。
批量模式会生成内容图与风格图的全部组合，图片多时耗时与占盘较大。
Torch7 已停止维护，在新系统上安装可能需要额外处理依赖问题。

核心亮点

真正实现任意风格实时迁移，风格切换无需重新训练模型
基于 Torch 实现，代码简洁，推理速度快，适合实时应用
提供预训练模型和测试脚本，开箱即用，上手门槛低

不足之处

依赖 Torch 和 Lua 生态，环境配置较复杂，不如 PyTorch 主流
文档相对简略，社区维护不活跃，新用户可能遇到问题

适用场景

艺术创作：快速将照片转换为特定画作风格
视频滤镜：对视频帧进行风格化处理，实现实时风格滤镜
学术研究：作为风格迁移算法的基准实现进行对比实验

替代项目

fast-neural-style、pytorch-AdaIN、CycleGAN

项目介绍

AdaIN-style 是图像领域的开源项目，由 xunhuang1995 开发，2017 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,569）位列前 30%，在图像分类的 837 个项目里位列前 11%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：艺术创作：快速将照片转换为特定画作风格。同类可对比的替代方案包括 fast-neural-style、pytorch-AdaIN、CycleGAN。

上一篇：pxlsrt

下一篇：watercolor-canvas