Computer vision semakin berkembang dengan adanya metode deep learning.
Mensintesis tekstur gambar untuk dimasukkan kedalam gambar lain merupakan
pekerjaan yang sulit, sehingga perlu metode Neural Transfer Style. Penelitian ini
meneliti cara kerja Neural Transfer Style dan mengimplementasikannya pada
aplikasi mobile. Penelitian ini menggunakan metode Convolutional Neural Network
dalam mengidentifikasi fitur/konten pada suatu gambar dengan menggunakan
intermediate layer pada arsitektur VGG19. Style pada gambar tidak dapat
diekstraksi dengan baik menggunakan intermediate layer, tapi dengan mencari
korelasi fitur yang didapat dengan menggunakan metode gram matriks. Model
berperan sebagai hasil ekstraksi konten dan style. Hasil ektraksi lalu
diimplementasikan style transfer algoritma dengan menghitung loss dari konten dan
style pada gambar dengan model, lalu ditrain. Hasil train akan dievaluasi untuk
menghasilkan train step yang lebih baik. Hasil train step tersebut lalu
diimpelentasikan pada aplikasi mobile dengan dibuat sebagai webservice yang
nantinya akan dikonsumsi oleh aplikasi mobile. Pemilihan weight untuk total
variation, konten, dan style sangat berpengaruh terhadap hasil gambar.