[论文复现]Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalizatiton

前言

趁着暑假还有足够多的时间,参加了百度飞桨的论文复现营,10篇论文之中选择了这篇论文。

论文题目：U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation

论文链接

不得不说,有机会体验8卡的V100有点小期待,百度这次挺大气

花时间读了一下这篇论文,讲述一下其中的创新点和一些自己的理解

模型结构

网络结构

说实在之前没有接触过cycle gan有点看不懂这个架构怎么训练，接下来应该会把这个图换成自己画的

生成器($G_{s\to t},G_{t\to s}$)

$G_{s\to t}$由一个encoder $E_s$,一个decoder $G_t$组成,同时有一个辅助分类器${\eta }_s$(也就是attention机制)

$E_s^k(x)$表示第k张经过编码之后的特征图,$E_s^{k_{ij}}(x)$表示在$i,j$位置的值,$w_s$表示每个特征图的加权,$a_s(x)=w_s\ast E_s(x)$表示加权之后的特征图

具体的操作如上图所示

将encoder得到的feature map 分别通过全局最大池化和全局平均池化,得到两个$1\times 1\times C$的向量,然后将向量铺平,与一个$1\times 1$向量的组成一个全连接层,这个全连接层不使用偏置

然后全连接层的权重就是相对应特征图的权重，与对应通道的特征图加权。由全局最大池化和全局平局池化分别得到两张特征图，将之连接起来，通过
一个$1\times 1\times C$的卷积之后得到attention map

通过上面这一系列操作之后,我们的$G_{s\to t}$就变成了$G_t(a_s(x))$

判别器$(D_s,D_t)$

最近看了一下$GAN$的几种网络,发现判别器的结构通常和生成器是对称的,猜想:G模型对称说明学习能力相近,只有学习能力相近的网络才能把GAN训练起来

以$D_t$为例,输入有$X_t,G_s\to t(X_s)$两种,$D_t$由一个encoder $E_{D_t}$和一个Classifier $C_{D_t}$ 和一个辅助分类器$\eta D_t$组成

判别器的网络结构和生成器高度对称。

如同生成器一致,用辅助分类器将encoder之后的特征图添加attention机制和AdaLIN归一化操作即可

AdaLIN

然后就是Adaptivequad Layer-Instance Normalization的公式

Instance Normalization:$$\widehat{a_I}=\frac{a-{\mu }_I}{\sqrt{{\sigma }_I^2+ϵ}}$$

IN针对的为一个通道上大小为$H\times W$的特征图

Layer Normalization:$$\widehat{a_L}=\frac{a-{\mu }_L}{\sqrt{{\sigma }_L^2+ϵ}}$$

LN针对的为$H\times W$位置上相同的通道数$C$

然后AdaLIN把两者进行了合并:$$AdaLIN(\alpha ,\gamma ,\beta )=\gamma \cdot (\rho \cdot \widehat{a_I}+(1-\rho )\cdot \widehat{a_L})+\beta$$

其中$\gamma ,\beta$从attention map 经过各自的一个全连接层计算而来

$$\rho \leftarrow cli{p}_{[0,1]}(\rho -\tau \Delta \rho )$$

其中$\rho$的值在残差块之中被初始化为1,在上采样块中被初始化为0

AdaIN的前提是通道之间不相关,所以在每个通道各自做归一化,意味着被转化后的特征有更多的内容信息

而LN则没有这个假设,但有的时候LN不能很好的保持原始域的内容结构，因为LN只考虑的是全局统计信息

(这些解释我也不清楚为什么是这样,估计是实验的出来的,感觉像是最原版的风格迁移)

也就是说LN考虑的更多的是整体的风格,而IN考虑的是图片中的具体内容

损失函数

损失函数一共有四个(感觉可以换成smooth L1):

Adversarial loss: $$L_{gan}^{s\to t}=E_{x\sim X_t}[(D_t(x){)}^2]+E_{x\sim X_s}[(1-D_t(G_{s\to t}(x)){)}^2]$$

把经典的log函数换掉了,用MSE代替,原因是log函数在两个分布没有交集的时候,不会更新,梯度为0

Cycle loss: $$L_{cycle}^{s\to t}=E_{x\sim X_s}[{\left|x-G_{t\to s}\left(G_{s\to t}(x)\right)\right|}_1]$$

Identity Loss:$$L_{identity}^{s\to t}=E_{x\sim X_t}[{\left|x-G_{s\to t}(x)\right|}_1]$$

目的是为了保证颜色的分布不变

CAM loss:

$$L_{\text{cam}}^{s\to t}=E_{x\sim X_s}[\log \left({\eta }_s(x)\right)+E_{x\sim X_t}[\log (1-{\eta }_s(x)]$$

$$L_{cam}^{D_t}=E_{x\sim X_t}[({\eta }_{D_t}(x){)}^2]+E_{x\sim X_s}[(1-{\eta }_{D_t}(G_{s\to t}(x)){)}^2$$

用${\eta }_s$和${\eta }_{D_t}$,当给定$x\in \{X_s,X_t\}$时,让$G_{s\to t}$和$D_t$知道哪里他们需要去提升或者最大的不同在现在的两个域中

将上面的四个损失函数加权得到最终的损失函数,加权依次为$1,,10,10,1000$

创新点

创新点总体来说有两点:

一个是为GAN引入了Attention机制(这样才fashion)

第二个是提出了一种新的归一化手段AdaLIN,类似风格迁移之中的风格损失和内容损失

一点小启发:

对于网络之中的一些超参数,似乎都可以用通过引入前面的特征图,然后通过一系列的类似全连接/卷积等操作变为一个常数

这样这个超参数就变为根据能够学习到的内容,能够适应更加复杂的结构

典型的例子如:

$frelu(max(T(x),x))$,其中的$T(x)$本质上也就是一种attention机制

具体的网络架构还需要看原作者的代码才能够清楚(之前没有写过cycle gan)

课程链接

百度飞桨的论文复现营

https://aistudio.baidu.com/aistudio/education/group/info/1340