ICCV 2019几篇自己感兴趣的论文阅读

总说

只是随意看了看名字，下载了几篇论文读读，方向很局限。（待更新，最近更新 2019-12-2）
论文列表：

• Content and Style Disentanglement for Artistic Style Transfer
• Budget-Aware Adapters for Multi-Domain Learning
• Global Feature Guided Local Pooling
• LIP: Local Importance-based Pooling
• Correlation Congruence for Knowledge Distillation

Content and Style Disentanglement for Artistic Style Transfer

Budget-Aware Adapters for Multi-Domain Learning

简单来说，这里对于不同的domain的图片，这个switches会通过通道的选择，从而置零某些channel，进而实现 multiple domain learning。说到底就是就是一个 sparse MoE，不过之前是有专门的一个分支，来选择哪些 神经元的激活可以通过，但是这里只是把那个分支去掉了，直接转换成backbone内部的一个个卷积中的小switches，这些switches对 卷积核进行sparse处理（置零某些卷积核的通道），从而可以让backbone对不同的domain实现specific的“定制”。

Global Feature Guided Local Pooling

从最大化熵的角度提出 global feature guided local pooling。

如果将 pooling看成一个weighting操作，那么将weighting的权重看成概率密度函数，最大化后验概率&#