最优无监督域翻译
机器学习
2019-06-05 v1 计算机视觉与模式识别
机器学习
摘要
域翻译是寻找两个域之间有意义对应关系的问题。由于在多数设定下无法获得配对监督，许多工作聚焦于无监督域翻译（UDT），其中来自每个域的数据样本是未配对的。继 CycleGAN 用于 UDT 的开创性工作之后，已提出该模型的许多变体与扩展。然而，其成功背后的理论理解仍然很少。我们观察到这些方法给出的解对于给定的传输代价近似最小，这引导我们在最优传输（OT）框架下重新表述该问题。这一视角为我们提供了关于无监督域翻译的新观点，并使我们能够证明在给定一大类传输代价下所恢复映射的存在性与唯一性。然后，我们提出一种在新动态设定下高效计算最优映射的新框架。我们表明它推广了先前的方法，并能对计算得到的最优映射进行更显式的控制。它还提供了两个域之间的平滑插值。在玩具与真实世界数据集上的实验说明了我们方法的行为。
引用
@article{arxiv.1906.01292,
title = {Optimal Unsupervised Domain Translation},
author = {Emmanuel de Bézenac and Ibrahim Ayed and Patrick Gallinari},
journal= {arXiv preprint arXiv:1906.01292},
year = {2019}
}