计算机数字风格可以通过以下方法实现：
神经风格迁移：
利用深度学习技术进行风格迁移，可以生成高度逼真的艺术风格转换效果。
多风格融合：
将多种艺术风格融合到一个单一的图像中，创造出具有独特视觉效果的艺术作品。
生成对抗网络（GAN）：
利用GAN技术生成新的艺术作品，其具有高度的多样性和创造性。
变分自编码器（VAE）：
利用VAE技术生成新的艺术作品，其可以控制生成图像的风格和内容。
深度生成模型：
利用深度生成模型生成新的艺术作品，其可以生成高分辨率和逼真的艺术作品。
风格编辑：
允许用户交互式地编辑艺术作品的风格，包括颜色、纹理和笔触等。
内容编辑：
允许用户交互式地编辑艺术作品的内容，包括对象、场景和布局等。
纹理合成：
利用深度学习技术生成新的纹理，这些纹理可以应用于艺术作品中，创造出新的视觉效果。
风格识别：
利用深度学习技术识别艺术作品的风格，这有助于艺术作品的分类和检索。
风格相似性度量：
利用深度学习技术测量艺术作品之间的风格相似性，这有助于艺术作品的推荐和个性化。
风格聚类：
利用深度学习技术将艺术作品聚类为不同的风格组，这有助于艺术作品的组织和管理。
风格融合：
将多种艺术风格融合到一个单一的图像中，创造出具有独特视觉效果的艺术作品。
风格混合：
将两种或多种艺术风格混合在一起，创造出新的艺术风格。
风格迁移：
将一种艺术风格从图像中提取，并将其应用到另一幅图像中。
这些方法可以帮助你在计算机上生成、编辑、分类、管理和推荐具有不同风格的艺术作品。