在论文《Geometric Style Transfer》中，来自英国巴斯大学和南开大学的研究者引入一种支持几何样式迁移的神经架构。不同于该领域最近的研究主题，该研究不受语义内容的限制，因而在通用性方面独树一帜。具体而言，这种新架构在负责迁移纹理风格的网络之前运行，所以可以将纹理迁移至扭曲图像。这种神经架构还有另一个创新之处，即研究者可以借此扩展神经风格迁移（neural style transfer, NST）输入范式。用户可以如常地输入内容/风格对，也可以选择输入内容/纹理风格/几何风格三元组。这三种图像输入范式可以将分割分为两部分，并因而保证输入表现出更大的通用性。