最初的神经风格迁移（Gatys等人，2015年）通过优化一张图像，使其同时匹配一张图像的内容特征和另一张图像的风格特征（纹理、色彩模式）来工作。内容由深层激活（表示物体和结构）捕获。风格由早期/中间层激活的Gram矩阵（表示与空间排列无关的纹理和模式）捕获。
原始方法速度较慢（每张图像需数分钟，逐像素迭代优化）。快速风格迁移训练一个前馈网络，在单次前向传递中应用特定风格（毫秒级）。代价是：每个网络只能处理一种风格。AdaIN（自适应实例归一化）通过调整归一化统计量来匹配任意参考风格，解决了这一问题，实现了实时的任意风格迁移。
如今，风格迁移在很大程度上已被图像生成模型所取代。使用风格参考的ControlNet、用于风格调节的IP-Adapter，以及直接提示（“以水彩画的风格”）比专用的风格迁移网络实现了更灵活、更高质量的风格迁移。但核心洞见——神经网络在不同层分离内容与风格——仍然是理解视觉表示的基础。