核心目标：给定一个人的单张图片A，另一个人的单张图片B，在保持姿势，面部表情，视线方向，发型和光照不变的条件下，将A图片中的人物换成B图片中的人物。2016年，文章【1】实现了这个目标：
德国的蒂宾根大学L. A. Gatys小组实现了对图片艺术风格的转换【2】，他们通过使用神经网络方法将高斯的星空转换成了完全不同的风格。总体思路是把图片的内容和风格定义成特征空间中的函数，这些特征空间所在的神经网络可以被训练来用作物体识别。图片的风格化过程使用的是一种比较缓慢并且消耗内存的方法，逐渐改变图像的像素值直到它的内容和风格的统计信息与标准相近，这些标准来源于另外的一张特定内容和风格的图片。下面的图就是文章插图之一。
他们的工作启发了
参考文献
【1】Korshunova, I., W. Shi, J. Dambre, et al. Fast Face-Swap Using Convolutional Neural Networks. in 2017 IEEE International Conference on Computer Vision (ICCV). 2017.
【2】 Gatys, L.A., A.S. Ecker, and M. Bethge. Image Style Transfer Using Convolutional Neural Networks. in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2016.
