Instanznormalisierung
Definition
Instanznormalisierung normalisiert Aktivierungen für jedes einzelne Beispiel und typischerweise jeden Kanal getrennt.
In der üblichen Form werden Statistiken je Instanz und Kanal berechnet, nicht gemeinsam über den aktuellen Batch. Implementierungen wie PyTorch können optional gespeicherte Statistiken zur Evaluation verwenden.
Einfach erklärt
Wie jedes Bild für sich auf eine vergleichbare Skala zu bringen, statt Werte über eine ganze Gruppe zu mitteln.
Warum das im Alltag wichtig ist
Relevant für bestimmte Computer-Vision- und Generativmodelle, aber keine universelle Standardnormalisierung.
Beispiel aus dem Mittelstand
Ein Style-Transfer-Modell nutzt InstanceNorm, um die Darstellung weniger von individuellen Kontraststatistiken abhängig zu machen.
Grenzen und Fallstricke
- InstanceNorm mit LayerNorm verwechseln; pauschal bessere Qualität behaupten; Einfluss auf inhaltliche Informationen nicht prüfen.
Entstehung & Geschichte
Ulyanov, Vedaldi und Lempitsky führten Instance Normalization 2016/2017 als entscheidende Änderung für schnelles neuronales Stylizing ein.
Anwendung im Mittelstand
- Mögliche Anwendung vor allem in spezialisierten Bildmodellen und beim technischen Verständnis vorhandener Architekturen.
Häufige Fragen
Ist InstanceNorm dasselbe wie BatchNorm?
Nein. Nutzt sie gemeinsame Statistiken des aktuellen Batches? In der üblichen Form nicht. PyTorch kann optional gespeicherte Schätzungen bei der Evaluation verwenden.
Quellen
- Instance Normalization · Ulyanov et al. (2016), Instance Normalization
- InstanceNorm2d · PyTorch, InstanceNorm2d
Quellenprüfung: 10./11.10.2026.
Redaktionell geprüft am: