幻化不可知图像以实现跨域泛化
计算机视觉与模式识别
2019-07-12 v2
摘要
跨视觉域泛化的能力对于人工识别系统的鲁棒性至关重要。尽管真实场景中可能有多种训练源可用，但即便未标注目标样本也无法保证可获取，这使得标准无监督域适应方法在真实环境中不适用。本工作中，我们研究如何利用多源，通过幻化一个由图像（可能不真实）组成的深度视觉域，这些图像能保持类别知识而丢弃特定源风格。所生成的不可知图像是一种深度架构的结果，该架构在原始源数据上施加像素适配，并由图像与特征层级的两个对抗域分类分支引导。我们的方法旨在仅从源数据学习，但可无缝扩展至使用未标注目标样本。在多源域适应与域泛化上的显著结果，支持了在此框架中幻化不可知图像的功效。
引用
@article{arxiv.1808.01102,
title = {Hallucinating Agnostic Images to Generalize Across Domains},
author = {Fabio M. Carlucci and Paolo Russo and Tatiana Tommasi and Barbara Caputo},
journal= {arXiv preprint arXiv:1808.01102},
year = {2019}
}