关于 Embedded Gaussian问题

[mymuli]

想问一下，在non_local_embedded_gaussian.py实现文件中，我并没有发现Embedded Gaussian的具体表达式，只是有矩阵乘法+softmax函数...如果是Embedded Gaussian的实现，具体是哪几行代码实现呢？

Non-local_pytorch/lib/non_local_embedded_gaussian.py

Line 85 in 39ad90c

f = torch.matmul(theta_x, phi_x)

Non-local_pytorch/lib/non_local_embedded_gaussian.py

Line 86 in 39ad90c

f_div_C = F.softmax(f, dim=-1)

[AlexHex7]

@mymuli Hi, theta_x, phi_x 是embedded后的x。

[mymuli]

@mymuli Hi, theta_x, phi_x 是embedded后的x。

我想问一下，theta_x, phi_x 是Embedded Gaussian后的x，在non_local_embedded_gaussian.py文件中具体语句是？

[AlexHex7]

@mymuli 在论文3.2节-Embedded Gaussian部分

A simple extension of the Gaussian function is to compute similarity in an embedding space.

Here θ(x_i) = W_θx_i and φ(x_j ) = W_φx_j are two embeddings

[LAB123-tech]

想问一下，在non_local_embedded_gaussian.py实现文件中，我并没有发现Embedded Gaussian的具体表达式，只是有矩阵乘法+softmax函数...如果是Embedded Gaussian的实现，具体是哪几行代码实现呢？

Non-local_pytorch/lib/non_local_embedded_gaussian.py

Line 85 in 39ad90c

f = torch.matmul(theta_x, phi_x)

Non-local_pytorch/lib/non_local_embedded_gaussian.py

Line 86 in 39ad90c

f_div_C = F.softmax(f, dim=-1)

在f_div_C = F.softmax(f, dim=-1) 之前，加个指数函数就可以了吧。