域风格化：一种用于合成到真实图像域自适应的强而简单的基线
计算机视觉与模式识别
2018-07-26 v1 机器学习
摘要
深度神经网络在应用于真实图像时，由于协变量偏移问题，大多未能有效利用合成数据。在本文中，我们展示通过对现有逼真风格迁移算法进行直接修改，即可实现最先进的合成到真实域自适应结果。我们在语义分割与目标检测的四个合成到真实任务上进行了广泛的实验验证，表明我们的方法在分割与目标检测指标上超越了任何当前基于 GAN 的图像翻译方法的性能。此外，我们对方法进行了基于距离的分析，显示源域与目标域之间的 Frechet Inception 距离大幅减小，提供了一个定量指标来证明我们的算法在弥合合成到真实鸿沟上的有效性。
引用
@article{arxiv.1807.09384,
title = {Domain Stylization: A Strong, Simple Baseline for Synthetic to Real Image Domain Adaptation},
author = {Aysegul Dundar and Ming-Yu Liu and Ting-Chun Wang and John Zedlewski and Jan Kautz},
journal= {arXiv preprint arXiv:1807.09384},
year = {2018}
}