Normalization 之AdaIN Normalization

一,Adaptive Instance Normalization (AdaIN Normalization)自适应实例归一化(AdaIN)层。
主要用于图像风格转换的自编码结构网络中。
二,AdaIN 输入为内容编码(content input x )与风格编码 (style input y), 对于每个channel,将x的通道级(channel-wise)均值和标准差匹配到y的通道级均值和标准差上:
在这里插入图片描述
三,AdaIN特点
在feature map层面上通过改变特征的数据分布来实现风格迁移,计算开销和存储开销都较小,且易实现。

四,网络结构
在这里插入图片描述
网络结构只是简单的自编码器结构,没有使用到GAN.
内容图像c和任意风格图像s送入编码器f进行编码,然后通过AdaIN层进行整合:
t=AdaIN(f©,f(s))
然后通过解码器g将整合编码t映射会图像空间。
T(c,s)=g(t)
为了保持AdaIN层风格迁移后的数据分布,解码器中不使用任何的归一化层。

五,损失函数
1.内容损失
在这里插入图片描述
其中t为AdaIN层的输出,这里计算目标特征和输出图像特征的欧氏距离。
2.风格损失
在这里插入图片描述
其中ϕi ​表示编码器网络中的第i层。
3.总损失函数
L=Lc+λLs

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值