利用无标签域桥学习域适应特征
计算机视觉与模式识别
2019-12-12 v1
摘要
传统的跨域图像到图像翻译或无监督域适应方法假设源域和目标域密切相关，这忽略了一种实际场景，即源域与目标域之间的域差异过大。本文中，我们提出一种新方法，利用无标签域桥在差异巨大的源域和目标域之间学习域适应特征。首先，我们引入了循环一致性流生成对抗网络（CFGAN）框架，该框架利用域桥在两个分布遥远的域之间进行图像到图像翻译。其次，我们提出了原型对抗域适应（PADA）模型，该模型利用无标签桥接域来对齐具有巨大差异的源域和目标域之间的特征分布。大量定量与定性实验证明了我们所提模型的有效性。
引用
@article{arxiv.1912.05004,
title = {Learning Domain Adaptive Features with Unlabeled Domain Bridges},
author = {Yichen Li and Xingchao Peng},
journal= {arXiv preprint arXiv:1912.05004},
year = {2019}
}
备注
Both authors contributed equally