ALADIN：用于细粒度风格相似性的全层自适应实例归一化
计算机视觉与模式识别
2021-03-18 v1
摘要
我们提出ALADIN（All Layer AdaIN），一种基于艺术风格相似性搜索图像的新颖架构。表示学习对视觉搜索至关重要，所学搜索嵌入中的距离反映图像相似性。由于风格定义与标注的困难，学习能区分细粒度风格变化的嵌入颇具挑战。ALADIN采用弱监督方法学习数字艺术品细粒度风格相似性的表示，利用了BAM-FG——一个从网络收集的新颖大规模用户生成内容分组数据集。ALADIN在基于风格的视觉搜索上针对粗标注风格数据（BAM）和BAM-FG均设立了新的SOTA精度；BAM-FG是由本工作贡献的包含310,000个细粒度风格分组的262万图像新数据集。
引用
@article{arxiv.2103.09776,
title = {ALADIN: All Layer Adaptive Instance Normalization for Fine-grained Style Similarity},
author = {Dan Ruta and Saeid Motiian and Baldo Faieta and Zhe Lin and Hailin Jin and Alex Filipkowski and Andrew Gilbert and John Collomosse},
journal= {arXiv preprint arXiv:2103.09776},
year = {2021}
}