Dec, 2020
通过类适应归一化实现高效语义图像合成
Efficient Semantic Image Synthesis via Class-Adaptive Normalization
Zhentao Tan, Dongdong Chen, Qi Chu, Menglei Chai, Jing Liao...
TL;DR本文从高回报的角度,对空间自适应规范化进行了深入分析,发现其调制参数更加受到语义感知而非空间自适应的影响。在此观察的启发下,本文提出了一种轻量级但同样有效的类自适应规范化变体,称为 CLADE,并介绍了一种计算自语义布局的类内位置图编码,以调制 CLADE 的规范化参数,提出了一种真正的空间自适应变体,即 CLADE-ICPE。通过在多个具有挑战性的数据集上进行大量实验证明,所提出的 CLADE 方法可以推广到不同的基于 SPADE 的方法,并实现与 SPADE 相当的生成质量,而且具有更少的额外参数和更低的计算成本。