2018 cvpr的一篇论文，使用meta网络实现多风格转换。解决的问题是一般风格网络只能转换一种风格的问题。这里通过一个meta网络对不同输入的风格图像产生不同的网络参数，这些参数作为图像转换网络的参数，也就是转换网络的参数被meta网络决定。总体结构图如下所示:
具体来说就是meta网络通过输入的一个$I_s$产生参数$w$给转换网络，作为转换网络的参数。输入的内容通过转换网络产生风格转换过后的图片，整体的loss表示为:
其中第一项是输出结果和输入图在VGG16上的feature loss，第二项是输入的风格图和输出图在VGG16上的Gram矩阵loss,用来重构风格损失。每次输入的是一批内容图像和一批风格图像，在给定它们的情况下最小化经验风险。
其他部分可参考论文。