关键词class-adaptive normalization
搜索结果 - 2
- 通过类适应归一化实现高效语义图像合成
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 - 重新思考空间自适应归一化
通过 ROI 分析,我们发现在 SPA 上的优势主要来自于其对语义信息的敏感性,而不是其对适应性位置的适应性。 因此,我们提出了一个轻量级变种 CLADE,它不适应空间位置或布局。 CLADE 极大地降低了计算成本,同时仍然能够在生成过程中