本研究提出了一种新方法，利用激活平滑的ResNet显著提升神经风格迁移中的图像质量，具有实际应用价值。

该文汇总神经风格迁移（NST）的多项研究，包括：NPST3框架将风格迁移至机器人运动；基于深度强化学习的步骤式模型控制风格化程度；NNST方法提升视觉质量；NST进展与评估综述；无需风格图像的GAN模型；游戏渲染管线中的深度感知NST；摄影风格迁移；对抗网络用于文本风格转移；解离风格与内容的表示学习；基于PhotoNet的快速画风迁移算法。

该综述梳理了神经风格迁移（NST）的现有算法分类与评估方法，对多种NST算法进行了定性和定量比较。内容涉及三维渲染游戏特效、神经邻域风格迁移、深度强化学习分步模型、对抗网络文本风格转移、CMD分布匹配、EC定量评估及无风格图像GAN模型等。综述指出人类评估协议缺乏标准化，影响研究可重复性，并提出自动化评估指标。