「PW Live」是 PaperWeekly 的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 PW?Live，我們邀請到曠視研究院基礎模型組實習生王毅，為大家帶來用于條件圖像生成的注意力歸一化的主題分享。

對本期主題感興趣的小伙伴，5 月 19?日（周二）晚 7 點，我們準時相約 PaperWeekly B 站直播間。

分享提綱

傳統的基于卷積的生成對抗網絡通過層次性的局部操作來合成圖像，即其中的長程依賴關系是用馬爾可夫鏈建模的。我們認為這種建模方式不足以用于生成具有復雜結構的圖像類別。

在本文中，我們對基于實例歸一化的進行擴展，用注意力歸一化（attentive normalization）來描述長程依賴。具體而言，我們根據輸入特征圖的內部語義相似度將其軟劃分為幾個區域，并分別對不同區域進行歸一化。該操作增強了具有語義對應關系的遙遠區域之間的一致性。

與自注意力對抗生成網絡（self-attention GAN）相比，我們的注意力歸一化不需要測量所有位置的相關性，因此可以直接應用于大尺度特征圖而無需太多計算負擔。我們在根據語義標簽的條件圖像生成（class-conditional image generation）和語義修復（semantic inpainting）的實驗證明了我們提出的模塊在客觀和視覺評估方面的有效性。

本次分享的具體內容有：

• 基于對抗網絡的條件圖像生成簡介和自注意力方法

• 注意力歸一化方法介紹

• 該方法的實驗結果

嘉賓介紹

?王毅?/ 曠視研究院基礎模型組實習生?

王毅，曠視研究院基礎模型組實習生，香港中文大學計算機科學與工程系博士在讀。研究方向為計算機視覺和機器學習，主要包括圖像生成，計算攝影學，在 CVPR，NIPS 等會議發表多篇論文。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「PW Live」，即可獲取入群通道。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的直播预告 | 旷视研究院王毅：用于条件图像生成的注意力归一化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。