（condition instance batchnorm）A LEARNED REPRESENTATION FOR ARTISTIC STYLE

分享一个不错的对batchnorm的解释https://blog.csdn.net/aichipmunk/article/details/54234646.作者提到:Batch Norm会忽略图像像素（或者特征）之间的绝对差异（因为均值归零，方差归一）,instance norm也是一样的，他们只考虑相对差异，所以在不需要绝对差异的任务中（比如分类、风格），有锦上添花的效果。而对于图像超分辨率这种需要利用绝对差异的任务（超分辨率），Batch Norm只会添乱。 instance是作用于单张图片，batchnorm作用于一个batch instance batchnorm 作者提到图像风格化的结果不应该取决于内容图的对比度，而应该是风格图的对比度，所以instance batchnorm 能消除内容图的对比度的，毕竟归一化处理了，对比度一定下降。

那么conditional instance normlazation是什么呢？

作者提出，如何设计一个条件风格转移网络来实现多风格转换是重要的，原因是，许多印象派绘画都有相似的笔画，但使用的调色板不同。在这种情况下，把N幅印象派绘画视为完全独立的风格似乎是非常浪费的。那么如何来模拟这种不同风格呢，作者发现，it is sufficient to tune parameters（scale and shift） for an affine transformation after normalization for each style,也就是说，设计一个仿射变化，对每个归一化的风格图进行变换，而且我们要注意，它是对一张图（是内容图还是风格图呢）的操作奥。