CyCADA：循环一致对抗域适应
计算机视觉与模式识别
2018-01-01 v3
摘要
域适应对于在新的、未见过环境中的成功至关重要。应用于特征空间的对抗适应模型发现了域不变表示，但难以可视化，且有时无法捕获像素级和低级域偏移。近期工作表明，生成对抗网络与循环一致性约束相结合在域间图像映射上出奇地有效，即使不使用对齐图像对。我们提出了一种新颖的判别训练的循环一致对抗域适应模型。CyCADA 在像素级和特征级上适应表示，在利用任务损失的同时强制循环一致性，且不需要对齐对。我们的模型可应用于多种视觉识别与预测设置。我们在多个适应任务上展示了新的 SOTA 结果，包括数字分类和道路场景的语义分割，证明了从合成到真实世界域的迁移。
引用
@article{arxiv.1711.03213,
title = {CyCADA: Cycle-Consistent Adversarial Domain Adaptation},
author = {Judy Hoffman and Eric Tzeng and Taesung Park and Jun-Yan Zhu and Phillip Isola and Kate Saenko and Alexei A. Efros and Trevor Darrell},
journal= {arXiv preprint arXiv:1711.03213},
year = {2018}
}