【Github大热论文】U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation
#论文解读# #开源论文# 论文提出了一种新的无监督图像到图像转换方法，以GAN为主体，结合了全局和平均池化的类激活图（CAM）作为图像的注意模块，以及设计了Instance Normalization和Layer Normalization自适应结合的AdaLIN归一化方法（灵活地控制形状和纹理的变化量，图像的颜色和风格），从而实现了较好的图像下到图像的转换工作，文章开源代码得到了很大的关注。
论文链接：
网页链接
源码链接：网页链接
详细解读：网页链接
#论文解读# #开源论文# 论文提出了一种新的无监督图像到图像转换方法，以GAN为主体，结合了全局和平均池化的类激活图（CAM）作为图像的注意模块，以及设计了Instance Normalization和Layer Normalization自适应结合的AdaLIN归一化方法（灵活地控制形状和纹理的变化量，图像的颜色和风格），从而实现了较好的图像下到图像的转换工作，文章开源代码得到了很大的关注。
论文链接：
网页链接源码链接：
网页链接详细解读：
网页链接
