参考这个看看有没有帮助

https://zhuanlan.zhihu.com/p/57564626

adain是从conditional instance normalization演化来的，我也在学习。这篇也挺有启发：

https://zhuanlan.zhihu.com/p/57875010

后来可能为了避免adain导致的生成多样性减少问题，又有了adalin，自动调节组归一化和实例归一化的比例

我也正在看这个，感觉引用16那篇文章挺有启发，就那个 Controlling Perceptual Factors in Neural Style Transfer

风格迁移的前序理论叫纹理迁移。Gatys大神找到了一种方法使用VGG网络（参数不变）训练Grams矩阵，首次完成了使用CNN的纹理迁移。他这篇论文后来被广泛研究，证明了Grams矩阵等同于MMD（最大均值差异）。

MMD：对于分布f1、f2，假如MMD=0，那么f1和f2就是同分布。

《Demystifying Neural Style Transfer》又证明了CNN激活层后接上BN，最小化L2 Norm也等同于最小化MMD（注：BN方法是另外作者想到的，论文只是从理论上证明他们是等同的）。

后面又有大神研究IN比BN要好，然后为了一次迁移更多style，又发明了CIN（条件IN）。

CIN能迁移的style个数等同于vector的长度，于是有了AdaIN（所谓自适应IN）。

总而言之，AdaIN的效果就是从风格图迁移风格到Content Image。模块虽小，作用很大！