InstaFormer是一种基于Transformer的网络结构，用于实例感知的图像到图像的转换。它整合全局和实例级信息，通过自注意力模块考虑上下文信息。使用自适应实例归一化代替层规范化，并引入实例级内容对比损失提高实例感知能力和翻译质量。实验证明，InstaFormer具有更好的性能。