التوحيد العادي للمنطقة المُعرّفة لـ Instance Normalization التكيفية للصور

تلعب التكوينات الصورية دورًا شائعًا ولكن مهمًا في تحرير الصور. لاسترجاع صور مركبة واقعية بصريًا، يجب تعديل مظهر الصورة الأمامية ونمطها البصري ليتماشيا مع الخلفية. تتعلم الطرق الحديثة القائمة على التعلم العميق لتوحيد الصور المركبة بشكل مباشر شبكة تحويل الصور من الصورة المركبة إلى الصورة الحقيقية، دون استكشاف صريح لاتساق النمط البصري بين الصورة الخلفية والصورة الأمامية. لضمان اتساق النمط البصري بين الصورة الأمامية والخلفية، نعامل في هذه الورقة توحيد الصور كمشكلة نقل النمط. وبشكل خاص، نقترح وحدة بسيطة ولكن فعالة تُسمى التطبيع المتكيف المُدرك للمنطقة (RAIN)، والتي تُصاغ صراحةً النمط البصري من الخلفية ثم تُطبّق بشكل تكيفي على الصورة الأمامية. وباستخدام هذا التصميم، يمكن استخدام وحدة RAIN كوحدة جاهزة يمكن دمجها في شبكات توحيد الصور الحالية، وتحقق تحسينات كبيرة. تُظهر التجارب الواسعة على مجموعات بيانات المعايير الحالية لتوليد الصور المركبة القدرة المتفوقة للطريقة المقترحة. يمكن الوصول إلى الكود من خلال الرابط: {https://github.com/junleen/RainNet}.