关于图像白化和色彩变换的基本内容可以参考：
图像标准化、图像白化、色彩变换_S L N的博客-CSDN博客
这是一篇关于图像风格迁移的论文，主要提出了whitening and coloring transforms(WCTs)来进行风格的迁移。
首先采用VGG网络对图像重建来训练网络，将训练好的VGG的encoder和decoder都fixed，用于图像特征提取和重建，损失函数如式(2.1)所示，Φ是通过encoder提取feature map。
图4 图像重建
Encoder和decoder训练好后，如图 5所示，将content image和style image通过encoder提取feature map，对feature map进行WCT进行特征迁移，WCT将content feature的统计特征和style feature的统计特征匹配，再将得到的feature map通过decoder重建。
图 5 WCT
Whitening transform的公式如式(2.2)所示，从图 6可以看出whitening保留了图像的全局内容结构，移除了图像本身的风格特征。
| 图 6 whitening transform |
Coloring transform的公式如式所示，从图 7中可以看出WCT的效果会比直方图匹配(HM)的效果好很多，这应该是WCT考虑了不同特征的相似度的原因，HM是在每个通道上做的。
| 图 7 WCT和HM对比 |
通过式(2.4)中的α来控制风格化的程度，
文中把single-level扩展到了multi-level，将前一层的输出作为后一层的content image输入，这样可以在不同的level进行统计特征匹配。
| 图 8 multi-layer |
如图 9所示，lower level可以捕捉更低级的信息比如颜色，higher level可以捕捉到更复杂的局部结构。
| 图 9 不同level的输出 |
参考文献
- Li Y, Fang C, Yang J, et al. Universal style transfer via feature transforms[J]. Advances in neural information processing systems, 2017, 30.
