风格迁移是一种自动生成艺术图像的技术,可以将真实拍摄的照片转换成具有某种艺术风格特点的图像,并且保持大致的内容不变。在工业上的动画CG制作、动漫电影制作、趣味相机软件等领域,风格迁移技术凭借着自动化、高效率、高灵活度等特点已经有广泛的应用。但是风格迁移技术存在重大的限制,即每个算法模型只能对一种艺术风格进行迁移,这导致了模型的可复用率极低,在工业场景上的应用也受到不小的限制。而任意风格迁移方法的出现解除了这一限制,任意风格迁移方法以一个内容图像和一个可以任意指定的风格图像作为输入,生成具有艺术风格特点的图像,使得单个模型可以在任意的风格类别上完成风格迁移任务,但是现有的任意风格迁移方法有不少缺陷,包括在生成的艺术化图像上容易出现模糊块、颜色块和无意义的线条等现象,并且在风格泛化能力,以及高分辨率的内容图像上有着较差的表现。基于以上研究背景,本文工作主要分为以下三个方面。（1）针对现有任意风格迁移算法的缺陷,本文设计了一种基于自适应通道网络的任意风格迁移算法。算法的模型框架使用基于Info GAN和WGAN-Div的生成对抗网络,且结合自适应通道网络模块（Ada CNet）,Ada CNet可以将图像特征图中的内容信息和风格信息在一定程度上解耦,从而在重建图像内容结构的同时仍然保持丰富的艺术风格特征（如图像纹理、颜色、线条等）。在此基础上,本文设计了新的内容重建损失来维持图像的局部结构不变性,以及新的风格一致性损失来提高模型的艺术风格泛化能力。实验结果表明,相比于现有的其他任意风格迁移算法,本文设计的方法在风格迁移过程中可以很好地权衡内容信息和风格信息,消除了生成的图像出现模糊块、颜色块和无意义的线条等缺陷,并且在风格泛化能力上和高分辨率内容图像的风格迁移中均有良好的视觉表现。（2）本文将基于自适应通道网络的任意风格迁移算法在其他参数化方法上进行了推广,提出了通用的任意风格迁移算法网络模型和训练策略。基于自适应通道网络的任意风格迁移算法不依赖于风格迁移算法中转换模块的设计方案,因此在其他算法上的推广是一个自然的扩展。在此基础上,本文设计了通用的任意风格迁移算法网络模型和训练策略,给出了在不同算法上的适配方案。并且针对通用网络模型在SANet算法和WCT算法上的适配给出了范例,提出了SANet-GAN和WCT-GAN网络模型,相关实验验证了通用网络模型的可行性和有效性。（3）本文构建了一种任意风格迁移算法模型的定量评估方法,即风格迁移分数（STS）。基于内容信息在风格迁移中的局部结构不变性和和风格信息在迁移中的一致性设计的STS指标,可以定量的评估任意风格迁移算法模型在具体的内容图像与风格图像上的迁移效果,并在坐标系中进行可视化对比。相关的实验也验证了STS指标与人的主观对比结果一致,是合理且有效的定量评估方法。