أصدر باحثون مؤخرًا بحثًا مبتكرًا يتناول طرقًا جديدة في تحويل الأنماط الفنية، حيث قدّموا نهجًا مثيرًا للاهتمام تحت اسم SEFS (Style-Encoder-Free Stylization). يقوم هذا النظام بتقديم نموذج تحويل يعتمد على فصل المحتوى الهدف عن الشكل القابل للتحويل، مما يتيح استخدام صور غير متطابقة في التدريب.

تتميز الطريقة المطورة باستخدام قصاصات منخفضة الدقة عشوائية من الصور، مما يحافظ على إحصاءات المظهر المحلية مثل الألوان والملمس والنمط، مع تقليل الاعتماد على التوجيهات العالمية. كما يتم ترميز المحتوى المستهدف عبر إشارات الحواف والتقطيع، ليتم دمجها بطريقة فعالة مع الإسقاطات القابلة للتعلم التي تعزز الناتج النهائي.

أحد الجوانب البارزة في SEFS هو قدرة النظام على التدريب على صور فردية غير متطابقة، مما يقلل من تكاليف البيانات ويزيد من فعالية الأداء. وعلى الرغم من ذلك، يظل للنظام القدرة على الحفاظ على انسجام المواد المرجعية، مما يجعله خيارًا مثاليًا للفنانين والمصممين الذين يسعون لتقديم أعمال فنية غنية بالمعلومات والعواطف.

يأمل الباحثون أن يُعزز SEFS من جودة الفنون ويُوسع من نطاق الإبداع في تحويل الأنماط، بجانب توفير الكود الخاص بالنظام ليكون متاحًا للجميع في المستقبل القريب.