换发型算法
人工智能换发型算法具有中心偏置归一化的多映射图像到图像的翻译
摘要 - 图像到图像转换是一类图像处理和视觉问题,可将图像转换为不同的样式或域。为了提高一对一翻译模型的容量和性能,多映射图像翻译一直试图通过注入潜在代码来扩展它们以进行多次映射。通过对现有潜码编码模型的分析,我们发现潜码可以通过控制输出统计属性,特别是平均值来确定发电机的目标映射。但是,我们发现在某些情况下,规范化会降低相同映射的一致性或不同映射的多样性。在数学分析之后,我们发现其背后的原因是在批量归一化之后相同映射的分布变得不一致,并且在实例归一化之后消除了潜在代码的影响。为了解决这些问题,我们提出了多映射网络的多样性设计标准的一致性。基于设计标准,我们提出中央偏置归一化(CBN)来代替现有的潜在代码注入。 CBN可以轻松集成到现有的多映射模型中,从而显着减少模型参数。实验表明,该方法的结果比现有模型更稳定,更多样化。