AdaAttN: Revisit Attention Mechanism in Arbitrary Neural Style Transfer论文讲解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

本文是针对ICCV（2021）论文:AdaAttN: Revisit Attention Mechanism in Arbitrary Neural Style Transfer的讲解。

---

一、文章贡献？

直接看图三作者提出的注意力机制的主图，和SANET基本保持一直，首先是根据风格图片和内容图片的特征计算注意力图，然后仍然是乘上一个风格特征，最后补充内容特征，但是不同的是作者提出了在这个过程中计算一个标准差。


这是因为方差等于平方的期望减期望的平方，有如下推导：
Var = E[(X-μ)²] = E[X²-2Xμ+μ²] = E(X²)-2μ²+μ² = E(X²)-μ²
因此这和以往将特征乘上一个方差再加一个均值是类似的操作。

实验效果图：

总结

从实验结果来看，这篇论文的效果还是非常不错的，实测中尤其是对人脸效果更佳，简单描述一下，有什么问题再补充。