AI凭什么超越人类修图师？万字长文看懂美图云修AI修图解决方案(3)

图 5. 智能中性灰精修网络结构
双重自注意力特征筛选模块
双重自注意力特征筛选模块 [1] 是对特征图的空间映射和通道映射进行学习，分为基于位置的自注意力模块和基于通道的自注意力模块，最后通过整合两个模块的输出来得到更好的特征表达，如图 6 所示。

图 6. 双重自注意力模块结构
基于位置的自注意力模块用于获悉特征图中的任意两个像素的空间依赖，对于某个特殊的肤质特征，会被所有位置上的特征加权，并随着网络训练而更新权重。任意两个具有相似肤质特征的位置可以相互贡献权重，由此模块通过学习能够筛选出肤质细节变化的位置特征。如图 6 左边蓝色区域所示，输入一个特征图 F∈ R^(H×W×C)，首先对该特征图分别沿通道维度进行全局平均池化和全局最大池化，得到两个基于通道的描述并合并得到特征图 F_Channel ∈ R^(H×W×2)。再经过一个 7x7 的卷积层和 Sigmoid 激活函数，得到空间权重系数 M_S ∈ R^(H×W)，可以由以下公式表示：

其中 σ 表示 Sigmoid 激活函数， Conv_7x7 表示 7x7 卷积， Cat[]表示通道合并。
最后，将空间权重系数 M_S 对特征图 F 进行重新校准，即两者相乘，就可以得到空间加权后的新肤质特征图。