NAM：非对抗式无监督域映射

近来提出了若干方法，用于在无需以对应关系形式给出的先验知识的情况下进行域间图像翻译。现有方法采用对抗式学习，以确保映射后的源域分布与目标域分布不可区分，但这存在已知的稳定性问题。此外，大多数方法严重依赖域间的“循环”关系，从而强制一对一映射。在本工作中，我们引入一种替代方法：非对抗式映射（NAM），它将目标域生成建模任务与跨域映射任务分离。NAM 依赖预训练的目标域生成模型，并将每幅源图像与目标域合成的图像对齐，同时联合优化域映射函数。它具有几个关键优势：更高质量和更高分辨率的图像翻译、更简单更稳定的训练以及可复用的目标模型。我们给出了大量实验以验证本方法的优势。