最初にお断りを。今回紹介するサービスはソースコードを提供していますが、実際にブラウザから使える便利なサービスの形では提供していません（理由は後述します）。実際に試すには環境を準備の上、ソースコードを各自の PC で実際に動かしていただく必要があります。ご了承ください。なおこちらでの動作確認は Windows10 + WSL2 + Ubuntu 18.04(20.04) の Python 及び Node.js で行っています。
今回のブログエントリで紹介するのは「画風変換」サービスです。サービスといってもウェブで公開しているわけではなく、公開しているソースコードを元に自分の PC で動かす必要があるので、実際に変換するまでのハードルは少し高めの内容です。
【画風変換とは？】
耳慣れない言葉だと思います。画風変換そのものは PFN のこのページで紹介されている内容がわかりやすいので、まずはこちらを一度参照ください（今回紹介するサービスも内部的にここで紹介されているツールを使っています）：
画風を変換するアルゴリズム
ニューラルネットを使って実装されたアルゴリズムの論文を Python で実装した様子が紹介されています。誤解を恐れずに簡単な説明をすると、２枚の画像を用意して、うち１枚（コンテンツ画像）に写っている物体の形や配置をそのままに、もう１枚（スタイル画像）の色使いやタッチの特徴といった「画風」を適用するように変換して新しい画像を生成するアルゴリズムです：
上述のページには同じ猫のコンテンツ画像に様々なスタイル画像を適用して画風変換した例が複数紹介されています：
ここで紹介されている画風変換を実現するためのツール : chainer-gogh はソースコードが公開されています：
https://github.com/mattya/chainer-gogh
【「自分のお絵描きで画風変換する」とは？】
今回のブログエントリで紹介するのは「自分のお絵描きをスタイル画像にして画風変換するサービス」です。私が開発＆公開しているお絵描きサービス MyDoodles を上述の chainer-gogh と組み合わせて使えるようにしたものです。具体的には画風変換には２枚の画像が必要ですが、コンテンツ画像は自分でアップロードした画像（写真を想定しています）、そしてスタイル画像は MyDoodles を使って描いたお絵描き画像を指定して画風変換する、というものです。画風変換はコンテンツ画像に写真、スタイル画像に絵を指定すると不思議な感じの絵が生成されることが多いのですが、このスタイル画像として自分のお絵描きを適用して画風変換を実現できるようにしたものです。
【ツールをウェブサービスとして公開しない理由】
理想を言えば、このツールをウェブで公開して誰でも気軽に使えるようにしたかったのですが、今回それは諦めました。後述で紹介する方法を実践して、自分の PC で試しに動かしてみるとわかると思うのですが、この画風変換は CPU に非常に大きな負荷をかける処理で、画風変換が完了するまでにかかる時間は、動かす PC のスペックにもよりますが、かなりいいスペックの PC でも１つの処理に対して１時間程度は覚悟※しておく必要があります。
※ GPU を搭載した機種であれば GPU を使って処理すればかなり高速化できると思いますが、それでも数10分間は負荷 100% の状態が続くと思います。
要はそこそこの PC を用意して１つの処理に集中させても１時間程度は負荷 100% が続くような処理なのです。これをウェブで公開して、複数の処理を同時に・・・となった場合の負荷や処理時間が想像できませんが、間違いなくタイムアウトとの戦いになるはずです。 こんな事情もあって、今回はウェブでの公開を諦め、「自分の PC で自分用の画像変換専門に行う」ツールとして公開することにしたのでした。
【ツールのセットアップ】
では実際に画風変換を行うにあたっての、事前セットアップの手順を紹介します。大きく chainer-gogh を動かすためのセットアップと、ウェブのフロントエンドアプリを動かすためのセットアップの２つに分かれていて、手順としては（０）事前準備、（１）フロントエンドアプリのソースコードを用意、（２）chainer-gogh のソースコードを用意、（３）chainer-gogh のセットアップ、（４）フロントエンドアプリのセットアップ、（５）コンテンツ画像とスタイル画像（お絵描き画像）の準備、の順に行う必要があります。では以下で順に紹介します。
（０）事前準備
このサービス・ツールを動作させるために以下のプログラミング言語実行環境ランタイムが必要です：
- Python 3.x
- Node.js 12.x
自分の PC 環境でこれらのツールが使えるよう、事前にインストールしておいてください。
（１）フロントエンドアプリのソースコードを用意
今回のツールは以下のようなフォルダ構成となります：
chainer-gogh のソースコードは手順（２）で用意することになるので、まずは chainer-gogh 以外のソースコード構成を用意します。
git clone または zip ダウンロードで、以下のソースコードを手元に用意してください：
https://github.com/dotnsf/chainer-gogh-webapp
正しく展開できると、以下のようなフォルダ構成が再現できます：
次に残った chainer-gogh のソースコードを用意します。
（２）chainer-gogh のソースコードを用意
（１）で用意した chainer-gogh-webapp/ フォルダに移動してから以下を git clone するなどして、chainer-gogh-webapp/chainer-gogh/ を用意します：
https://github.com/mattya/chainer-gogh
これで以下のようなフォルダ構成になっているはずです：
（３）chainer-gogh のセットアップ
では早速 chainer-gogh を動かして・・・と言いたい所ですが、実は chainer-gogh の公開ソースコードは少し古い所があり、最新の Python3 環境で動かすには少し変更を加える必要があります。具体的には以下２ファイルで５箇所を書き換えてください（ - で始まる行を + で始まる行の内容に変更してください）：
ソースコードの変更が完了したら Python3 のライブラリを pip でインストールします（Python3 のインストール方法によっては "pip" の部分を "pip3" にする必要があるかもしれません）：
chainer-gogh の準備の最後に学習済みモデルを用意します。（ダウンロードサイズと実行時の負荷が比較的小さいという意味で）気軽に使える nin(Network in Network) Imagenet Model をダウンロードします：
https://gist.github.com/mavenlin/d802a5849de39225bcc6
上記 URL から↑のリンクをクリックして nin_imagenet.caffemodel というファイルをダウンロードして（30MB ほど）、chainer-gogh/ フォルダに保存します。
（４）フロントエンドアプリのセットアップ
続けて Node.js 側のセットアップを行います。
（５）コンテンツ画像とスタイル画像（お絵描き画像）の準備
最後に画風変換を行う際のコンテンツ画像とスタイル画像を準備します。コンテンツ画像は画像ファイルであればなんでもいいのですが、絵よりは写真の画像を用意することをおすすめします。今回は「フリー素材アイドル」である MIKA☆RIKA さんの、以下の画像を使わせていただくことにします：
次にスタイル画像となるお絵描き画像を用意します。一応サンプル的なものは用意されているので自分でお絵描きをする必要はないのですが、自分のお絵描きがスタイル画像となって画風変換することが楽しいと思っているので、是非挑戦してみてください（笑）。
PC ブラウザかスマホブラウザを使って（スマホがおすすめ）以下の URL にアクセスしてください：
https://mydoodles.mybluemix.net/
指でお絵描きができるサービスです。色や線の太さ、背景色を指定して描いたり、アンドゥ・リドゥ・リセット程度のリタッチが可能です。PC ブラウザから利用している場合は指の代わりにマウスで描いてください。最後に「保存」ボタンで保存します。なお画風変換のスタイル画像として利用する場合は背景色の指定をしておいたほうが変換後のイメージがスタイルに近づくと思っています（背景が不要の場合でも背景色に白を明示的に指定して描いてください。透明なままだとスタイル変換時に黒くなってしまうようなので）：
自分が描いた画像はトップページの「履歴」ボタンから参照可能です：
スタイルとして使いたい画像を１つ選んで表示します：
この時の URL を参照します。URL の最後に /doodle/xxxxxxxxxx という部分があるはずなので、この /doodle/ に続く最後のパラメータの値（xxxxxxxxxx）が後で必要になるのでメモするなどしておいてください：
これで画風変換を行うための準備が整いました。
【画風変換】
では実際に画風変換してみましょう。まずは webapp フォルダでフロントエンドアプリケーションを起動します：
これがデフォルトの起動方法ですが、この方法だと 'python' というコマンドで Python3 が（内部的に）実行されます。セットアップ手順によっては Python3 コマンドが 'python3' というコマンド名になっていることもありますが、その場合は node 実行時の環境変数 python で Python3 が実行されるコマンド（この例だと python3）を指定しながら起動してください：
フロントエンドアプリケーションの起動に成功すると 8080 番ポートで待ち受けるので、PC のウェブブラウザで http://localhost:8080/ にアクセスします：
この画面中央に３列からなる表示エリアがあります。一番左に画風変換を行うコンテンツ画像、真ん中がスタイル画像、そして右に画風変換の結果が表示されることになります。デフォルトでスタイル画像が表示されていますが、これは僕が描いたもので、これをそのままスタイル画像として使うこともできます。が、せっかくなので自分で描いた画像に変えてから画風変換を実行していただくことを想定しています＆おすすめします：
https://mydoodles.mybluemix.net/doodle/0175dcf0-c045-11eb-8c4e-8de1dabb1b17
スタイル画像を変更にするには、MyDoodles で描いたお絵描きの URL 最後のパラメータの値（上述例だと 0175dcf0-c045-11eb-8c4e-8de1dabb1b17）を sub と書かれた下のフィールドにコピー＆ペーストしてください。
例えば、このお絵描きをスタイル画像に指定する場合であれば、パラメータは 63e083b0-c345-11eb-8c4e-8de1dabb1b17 なので、sub の下のフィールドに 63e083b0-c345-11eb-8c4e-8de1dabb1b17 と入力します：
するとこのようにフロントエンドのスタイル画像が指定したお絵描きに切り替わります：
次にコンテンツ画像を指定します。こちらは直接アップロードする必要があるので、main と書かれた下のボタンをクリックして、自分の PC からコンテンツ画像として使いたい画像ファイルを指定します。今回は上述の MIKA☆RIKA さんの画像を使うので、指定するとこのような画面になります：
コンテンツ画像とスタイル画像の両方がプレビューされている状態になれば画風変換を実行できます。result と書かれた下にある「RESULT」ボタンをクリックして画風変換がスタートします。
PCのスペックにもよりますが、画風変換には非常に長い時間がかかります。result 欄にはその画風変換の途中経過が少しずつ表示されていきます：
↓
↓
またこの途中経過画像は chainer-gogh-webapp/chainer-gogh/output_dir/（指定したパラメータ名）/ というフォルダの中に随時作成されていきます。このフォルダの中を見ていると、元のコンテンツ画像にスタイル画像の画風が少しずつ適用されて、輪郭がはっきりしていく様子が確認できます。これはこれで見ていて面白いです：
画像は im_00000.png, im_00050.png, im_00100.png, im_00150.png, .. と "50" 刻みで増えていき、im_04950.png まで 100 段階 100 枚が作成された段階で（このアプリケーションでの）画風変換は終了となります：
今回のコンテンツ画像とスタイル画像での画風変換は最終的にこのような結果（右）になりました。適当にお絵描きした○ールおじさんの画風（？）が MIKA☆RIKA さんの写真に適用できていますよね。元の画像やお絵描きを指定している点で人手は入っていますが、これは「人工知能が描いた世界に一枚の絵」という表現ができるものです：
同じコンテンツ画像で、スタイル画像を替えて実行した結果はこんな感じでした。スタイル画像の違いが結果の違いにあらわれている様子が確認できると思います：
ちなみにこの画風変換にかかる処理時間（最後の画像が作られるまでの時間）ですが、Intel i7-7500 2.7GHz の４コア CPU でメモリを 16GB 搭載した Windows 機で他の処理を何もせずに実行した場合でおよそ１時間といったところでした。環境によってかかる時間は前後すると思いますが、１つの参考になれば。
この処理時間を短縮するため、GPU 搭載機種であれば GPU を使って高速に処理できるよう改良中です。Windows から直接実行する場合だとうまくいくかもしれないのですが、WSL を挟んで実行しようとするとなかなかうまくいかず・・・また GPU を使うのであれば利用モデルも別のものにしたほうがいいと思われる、など、こちらは現時点ではまだまだ検討段階含めて未実装ということで。
ともあれ、いちおう動く状態のフロントエンド付きサービスにはなっていると思います。環境構築の手間がちと大変かもしれませんが、ぜひ自分（やご家族）でお絵描きした結果を、自分で撮った写真のスタイルに適用するなどして楽しんでいただければと思っています。
今回のブログエントリで紹介するのは「画風変換」サービスです。サービスといってもウェブで公開しているわけではなく、公開しているソースコードを元に自分の PC で動かす必要があるので、実際に変換するまでのハードルは少し高めの内容です。
【画風変換とは？】
耳慣れない言葉だと思います。画風変換そのものは PFN のこのページで紹介されている内容がわかりやすいので、まずはこちらを一度参照ください（今回紹介するサービスも内部的にここで紹介されているツールを使っています）：
画風を変換するアルゴリズム
ニューラルネットを使って実装されたアルゴリズムの論文を Python で実装した様子が紹介されています。誤解を恐れずに簡単な説明をすると、２枚の画像を用意して、うち１枚（コンテンツ画像）に写っている物体の形や配置をそのままに、もう１枚（スタイル画像）の色使いやタッチの特徴といった「画風」を適用するように変換して新しい画像を生成するアルゴリズムです：
上述のページには同じ猫のコンテンツ画像に様々なスタイル画像を適用して画風変換した例が複数紹介されています：
ここで紹介されている画風変換を実現するためのツール : chainer-gogh はソースコードが公開されています：
https://github.com/mattya/chainer-gogh
【「自分のお絵描きで画風変換する」とは？】
今回のブログエントリで紹介するのは「自分のお絵描きをスタイル画像にして画風変換するサービス」です。私が開発＆公開しているお絵描きサービス MyDoodles を上述の chainer-gogh と組み合わせて使えるようにしたものです。具体的には画風変換には２枚の画像が必要ですが、コンテンツ画像は自分でアップロードした画像（写真を想定しています）、そしてスタイル画像は MyDoodles を使って描いたお絵描き画像を指定して画風変換する、というものです。画風変換はコンテンツ画像に写真、スタイル画像に絵を指定すると不思議な感じの絵が生成されることが多いのですが、このスタイル画像として自分のお絵描きを適用して画風変換を実現できるようにしたものです。
【ツールをウェブサービスとして公開しない理由】
理想を言えば、このツールをウェブで公開して誰でも気軽に使えるようにしたかったのですが、今回それは諦めました。後述で紹介する方法を実践して、自分の PC で試しに動かしてみるとわかると思うのですが、この画風変換は CPU に非常に大きな負荷をかける処理で、画風変換が完了するまでにかかる時間は、動かす PC のスペックにもよりますが、かなりいいスペックの PC でも１つの処理に対して１時間程度は覚悟※しておく必要があります。
※ GPU を搭載した機種であれば GPU を使って処理すればかなり高速化できると思いますが、それでも数10分間は負荷 100% の状態が続くと思います。
要はそこそこの PC を用意して１つの処理に集中させても１時間程度は負荷 100% が続くような処理なのです。これをウェブで公開して、複数の処理を同時に・・・となった場合の負荷や処理時間が想像できませんが、間違いなくタイムアウトとの戦いになるはずです。 こんな事情もあって、今回はウェブでの公開を諦め、「自分の PC で自分用の画像変換専門に行う」ツールとして公開することにしたのでした。
【ツールのセットアップ】
では実際に画風変換を行うにあたっての、事前セットアップの手順を紹介します。大きく chainer-gogh を動かすためのセットアップと、ウェブのフロントエンドアプリを動かすためのセットアップの２つに分かれていて、手順としては（０）事前準備、（１）フロントエンドアプリのソースコードを用意、（２）chainer-gogh のソースコードを用意、（３）chainer-gogh のセットアップ、（４）フロントエンドアプリのセットアップ、（５）コンテンツ画像とスタイル画像（お絵描き画像）の準備、の順に行う必要があります。では以下で順に紹介します。
（０）事前準備
このサービス・ツールを動作させるために以下のプログラミング言語実行環境ランタイムが必要です：
- Python 3.x
- Node.js 12.x
自分の PC 環境でこれらのツールが使えるよう、事前にインストールしておいてください。
（１）フロントエンドアプリのソースコードを用意
今回のツールは以下のようなフォルダ構成となります：
|- chainer-gogh-webapp/
|- chainer-gogh/ （chainer-gogh のソースコード）
|
|- webapp/ （フロントエンドアプリのソースコード）
|
chainer-gogh のソースコードは手順（２）で用意することになるので、まずは chainer-gogh 以外のソースコード構成を用意します。
git clone または zip ダウンロードで、以下のソースコードを手元に用意してください：
https://github.com/dotnsf/chainer-gogh-webapp
正しく展開できると、以下のようなフォルダ構成が再現できます：
|- chainer-gogh-webapp/
|- webapp/ （フロントエンドアプリのソースコード）
|
次に残った chainer-gogh のソースコードを用意します。
（２）chainer-gogh のソースコードを用意
（１）で用意した chainer-gogh-webapp/ フォルダに移動してから以下を git clone するなどして、chainer-gogh-webapp/chainer-gogh/ を用意します：
https://github.com/mattya/chainer-gogh
これで以下のようなフォルダ構成になっているはずです：
|- chainer-gogh-webapp/
|- chainer-gogh/ （chainer-gogh のソースコード）
|
|- webapp/ （フロントエンドアプリのソースコード）
|
（３）chainer-gogh のセットアップ
では早速 chainer-gogh を動かして・・・と言いたい所ですが、実は chainer-gogh の公開ソースコードは少し古い所があり、最新の Python3 環境で動かすには少し変更を加える必要があります。具体的には以下２ファイルで５箇所を書き換えてください（ - で始まる行を + で始まる行の内容に変更してください）：
(chainer-gogh.py)
（13行目）
13 : - from chainer.functions import caffe
13 : + from chainer.links import caffe
（100, 101 行目）
100 : - mid_orig = nn.forward(Variable(img_orig, volatile=True))
101 : - style_mats = [get_matrix(y) for y in nn.forward(Variable(img_style, volatile=True))]
100 : + with chainer.using_config("enable_backprop", False):
101 : + mid_orig = nn.forward(Variable(img_orig))
102 : + with chainer.using_config("enable_backprop", False):
103 : + style_mats = [get_matrix(y) for y in nn.forward(Variable(img_style))]
(models.py)
（5 行目）
5 : - from chainer.functions import caffe
5 : + from chainer.links import caffe
（22 行目）
22 : - x3 = F.relu(getattr(self.model,"conv4-1024")(F.dropout(F.average_pooling_2d(F.relu(y3), 3, stride=2), train=False)))
22 : + x3 = F.relu(getattr(self.model,"conv4-1024")(F.dropout(F.average_pooling_2d(F.relu(y3), 3, stride=2))))
（74 行目）
74 : - y6 = self.model.conv6_4(F.relu(F.dropout(self.model.conv6_3(F.relu(self.model.conv6_2(F.relu(self.model.conv6_1(x5))))), train=False)))
74 : + y6 = self.model.conv6_4(F.relu(F.dropout(self.model.conv6_3(F.relu(self.model.conv6_2(F.relu(self.model.conv6_1(x5))))))))
ソースコードの変更が完了したら Python3 のライブラリを pip でインストールします（Python3 のインストール方法によっては "pip" の部分を "pip3" にする必要があるかもしれません）：
$ cd chainer-gogh-webapp/chainer-gogh $ pip install typing_extensions $ pip install pillow $ pip install chainer
chainer-gogh の準備の最後に学習済みモデルを用意します。（ダウンロードサイズと実行時の負荷が比較的小さいという意味で）気軽に使える nin(Network in Network) Imagenet Model をダウンロードします：
https://gist.github.com/mavenlin/d802a5849de39225bcc6
上記 URL から↑のリンクをクリックして nin_imagenet.caffemodel というファイルをダウンロードして（30MB ほど）、chainer-gogh/ フォルダに保存します。
（４）フロントエンドアプリのセットアップ
続けて Node.js 側のセットアップを行います。
$ cd chainer-gogh-webapp/webapp $ npm install
（５）コンテンツ画像とスタイル画像（お絵描き画像）の準備
最後に画風変換を行う際のコンテンツ画像とスタイル画像を準備します。コンテンツ画像は画像ファイルであればなんでもいいのですが、絵よりは写真の画像を用意することをおすすめします。今回は「フリー素材アイドル」である MIKA☆RIKA さんの、以下の画像を使わせていただくことにします：
次にスタイル画像となるお絵描き画像を用意します。一応サンプル的なものは用意されているので自分でお絵描きをする必要はないのですが、自分のお絵描きがスタイル画像となって画風変換することが楽しいと思っているので、是非挑戦してみてください（笑）。
PC ブラウザかスマホブラウザを使って（スマホがおすすめ）以下の URL にアクセスしてください：
https://mydoodles.mybluemix.net/
指でお絵描きができるサービスです。色や線の太さ、背景色を指定して描いたり、アンドゥ・リドゥ・リセット程度のリタッチが可能です。PC ブラウザから利用している場合は指の代わりにマウスで描いてください。最後に「保存」ボタンで保存します。なお画風変換のスタイル画像として利用する場合は背景色の指定をしておいたほうが変換後のイメージがスタイルに近づくと思っています（背景が不要の場合でも背景色に白を明示的に指定して描いてください。透明なままだとスタイル変換時に黒くなってしまうようなので）：
自分が描いた画像はトップページの「履歴」ボタンから参照可能です：
スタイルとして使いたい画像を１つ選んで表示します：
この時の URL を参照します。URL の最後に /doodle/xxxxxxxxxx という部分があるはずなので、この /doodle/ に続く最後のパラメータの値（xxxxxxxxxx）が後で必要になるのでメモするなどしておいてください：
これで画風変換を行うための準備が整いました。
【画風変換】
では実際に画風変換してみましょう。まずは webapp フォルダでフロントエンドアプリケーションを起動します：
$ cd chainer-gogh-webapp/webapp $ node app
これがデフォルトの起動方法ですが、この方法だと 'python' というコマンドで Python3 が（内部的に）実行されます。セットアップ手順によっては Python3 コマンドが 'python3' というコマンド名になっていることもありますが、その場合は node 実行時の環境変数 python で Python3 が実行されるコマンド（この例だと python3）を指定しながら起動してください：
$ cd chainer-gogh-webapp/webapp
$ python=python3 node app
フロントエンドアプリケーションの起動に成功すると 8080 番ポートで待ち受けるので、PC のウェブブラウザで http://localhost:8080/ にアクセスします：
この画面中央に３列からなる表示エリアがあります。一番左に画風変換を行うコンテンツ画像、真ん中がスタイル画像、そして右に画風変換の結果が表示されることになります。デフォルトでスタイル画像が表示されていますが、これは僕が描いたもので、これをそのままスタイル画像として使うこともできます。が、せっかくなので自分で描いた画像に変えてから画風変換を実行していただくことを想定しています＆おすすめします：
https://mydoodles.mybluemix.net/doodle/0175dcf0-c045-11eb-8c4e-8de1dabb1b17
スタイル画像を変更にするには、MyDoodles で描いたお絵描きの URL 最後のパラメータの値（上述例だと 0175dcf0-c045-11eb-8c4e-8de1dabb1b17）を sub と書かれた下のフィールドにコピー＆ペーストしてください。
例えば、このお絵描きをスタイル画像に指定する場合であれば、パラメータは 63e083b0-c345-11eb-8c4e-8de1dabb1b17 なので、sub の下のフィールドに 63e083b0-c345-11eb-8c4e-8de1dabb1b17 と入力します：
するとこのようにフロントエンドのスタイル画像が指定したお絵描きに切り替わります：
次にコンテンツ画像を指定します。こちらは直接アップロードする必要があるので、main と書かれた下のボタンをクリックして、自分の PC からコンテンツ画像として使いたい画像ファイルを指定します。今回は上述の MIKA☆RIKA さんの画像を使うので、指定するとこのような画面になります：
コンテンツ画像とスタイル画像の両方がプレビューされている状態になれば画風変換を実行できます。result と書かれた下にある「RESULT」ボタンをクリックして画風変換がスタートします。
PCのスペックにもよりますが、画風変換には非常に長い時間がかかります。result 欄にはその画風変換の途中経過が少しずつ表示されていきます：
↓
↓
またこの途中経過画像は chainer-gogh-webapp/chainer-gogh/output_dir/（指定したパラメータ名）/ というフォルダの中に随時作成されていきます。このフォルダの中を見ていると、元のコンテンツ画像にスタイル画像の画風が少しずつ適用されて、輪郭がはっきりしていく様子が確認できます。これはこれで見ていて面白いです：
画像は im_00000.png, im_00050.png, im_00100.png, im_00150.png, .. と "50" 刻みで増えていき、im_04950.png まで 100 段階 100 枚が作成された段階で（このアプリケーションでの）画風変換は終了となります：
今回のコンテンツ画像とスタイル画像での画風変換は最終的にこのような結果（右）になりました。適当にお絵描きした○ールおじさんの画風（？）が MIKA☆RIKA さんの写真に適用できていますよね。元の画像やお絵描きを指定している点で人手は入っていますが、これは「人工知能が描いた世界に一枚の絵」という表現ができるものです：
同じコンテンツ画像で、スタイル画像を替えて実行した結果はこんな感じでした。スタイル画像の違いが結果の違いにあらわれている様子が確認できると思います：
ちなみにこの画風変換にかかる処理時間（最後の画像が作られるまでの時間）ですが、Intel i7-7500 2.7GHz の４コア CPU でメモリを 16GB 搭載した Windows 機で他の処理を何もせずに実行した場合でおよそ１時間といったところでした。環境によってかかる時間は前後すると思いますが、１つの参考になれば。
この処理時間を短縮するため、GPU 搭載機種であれば GPU を使って高速に処理できるよう改良中です。Windows から直接実行する場合だとうまくいくかもしれないのですが、WSL を挟んで実行しようとするとなかなかうまくいかず・・・また GPU を使うのであれば利用モデルも別のものにしたほうがいいと思われる、など、こちらは現時点ではまだまだ検討段階含めて未実装ということで。
ともあれ、いちおう動く状態のフロントエンド付きサービスにはなっていると思います。環境構築の手間がちと大変かもしれませんが、ぜひ自分（やご家族）でお絵描きした結果を、自分で撮った写真のスタイルに適用するなどして楽しんでいただければと思っています。
