deep-photo-styletransfer

这是一个基于深度学习的图像风格迁移项目，专注于实现照片级真实感的风格转换。项目核心结合语义分割掩膜与拉普拉斯矩阵引导的深度优化，通过两阶段流程（神经风格迁移+深度抠图优化）保留内容结构细节并提升边缘一致性。技术上依赖Torch框架、VGG-19特征提取及CUDA加速，支持自动/手动分割掩膜输入。适用于需保持几何结构与局部纹理真实性的专业图像编辑场景，如广告设计、影视预可视化及学术图像生成研究。