从源到目标再返回：对称双向自适应 GAN
计算机视觉与模式识别
2017-11-30 v2
摘要
生成对抗方法在生成符合特定风格或视觉领域的图像方面的有效性，最近为解决无监督域自适应问题开辟了新方向。已有研究表明，源标记图像可以被修改以模仿目标样本，从而使得尽管原本缺乏标注数据，也能直接在目标域中训练分类器。从目标域到源域的逆映射也已得到评估，但仅通过自适应特征空间进行，因此未生成新图像。在本文中，我们通过在域之间引入一种新颖的对称映射，提出更好地利用生成对抗网络进行自适应的潜力。我们联合优化双向图像变换，并将其与目标自标记相结合。此外，我们定义了一种新的类一致性损失，通过强制要求图像经过两个域映射后保持其类身份，来对齐两个方向上的生成器。对重建图像的详细定性和定量分析证实了我们方法的强大能力。通过整合由我们的双向网络获得的两个特定域分类器，我们在四个不同的基准数据集上超越了先前最先进的无监督自适应结果。
引用
@article{arxiv.1705.08824,
title = {From source to target and back: symmetric bi-directional adaptive GAN},
author = {Paolo Russo and Fabio Maria Carlucci and Tatiana Tommasi and Barbara Caputo},
journal= {arXiv preprint arXiv:1705.08824},
year = {2017}
}