تُزال أحيانًا اللحظات (أي المتوسط والانحراف المعياري) للخصائص الكامنة أثناء تدريب نماذج التعرف على الصور، بهدف تقليل الضوضاء وزيادة الاستقرار وتقليل زمن التدريب. ومع ذلك، في مجال توليد الصور، تؤدي اللحظات دورًا أكثر مركزية بكثير. أظهرت دراسات أن اللحظات المستخلصة من التطبيع المُنَسَّق (Instance Normalization) والتطبيع المكاني (Positional Normalization) قادرة تقريبًا على التقاط معلومات النمط والشكل في الصورة. بدلًا من التخلص منها، تُعد هذه اللحظات عنصرًا أساسيًا في عملية التوليد. في هذا البحث، نقترح طريقة تُسمى "تبادل اللحظات" (Moment Exchange)، وهي طريقة تحسين بيانات ضمنية تشجع النموذج على الاستفادة من معلومات اللحظات أيضًا في نماذج التعرف. بشكل محدد، نستبدل اللحظات الخاصة بالخصائص المُتعلّمة لصورة تدريب واحدة باللحظات الخاصة بصورة تدريب أخرى، ونُطبّق أيضًا تداخلًا في العلامات المستهدفة — ما يُجبر النموذج على استخلاص إشارة التدريب من اللحظات بجانب الخصائص المُعدّلة. وبما أن منهجنا سريع، يعمل تمامًا في فضاء الخصائص، ويُمزج إشارات مختلفة عن الطرق السابقة، فإنه يمكن دمجه بشكل فعّال مع أساليب التحسين الحالية. ونُظهر فعالية هذا الأسلوب عبر عدة مجموعات بيانات معيارية للتعرف، حيث يُحسّن قدرة الشبكات الأساسية التنافسية على التعميم باتساق ملحوظ.