論文題目：Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization 【ICCV 2017】
AdaIN 的公式如下：
\[\textrm{AdaIn}(x,y) = \sigma(y)\left(\frac{x-\mu(x)}{\sigma(x)}\right)+\mu(y) \]
其中， \(x\) 和 \(y\) 分別是內容圖片和風格圖片 encode 以后的特征圖，\(\sigma\) 和 \(\mu\) 分別是均值和標准差，該公式將內容圖片的均值和標准差與風格圖片對齊。
可以這樣理解 ，首先內容圖\(x\) 歸一化后均值為0，標准差為1，然后乘以風格的標准差再加上均值，結果就將原來內容圖的均值與標准差和風格圖一致了。
上圖是該算法的流程圖，VGG 和 AdaIN 是不需要訓練的，真正需要訓練的只有解碼器。兩張 feature map 輸入，調整內容圖的均值和標准差以適應風格的 feature map。解碼器根據變換后的 feature map 重建圖像，通過訓練解碼器，使重建出來的圖像接近真實圖像。