توليد للتكيف: مواءمة المجالات باستخدام الشبكات المضادة التوليدية

التكيف بين المجالات هو مشكلة تُبحث بنشاط في مجال الرؤية الحاسوبية. في هذا العمل، نقترح منهجًا يستفيد من البيانات غير المراقبة لتقريب التوزيعات المصدر والهدف في فضاء خصائص مشترك تم تعلمه. نحقق هذا من خلال إنشاء علاقة تكافلية بين الترميز المتعلم وشبكة مولدة متنافسة (Generative Adversarial Network). وهذا يختلف عن الطرق التي تستخدم الإطار التنافسي لإنتاج بيانات واقعية وإعادة تدريب النماذج العميقة باستخدام هذه البيانات. نثبت قوة ومنهجية طريقتنا من خلال إجراء تجارب على ثلاث مهام مختلفة ذات مستويات صعوبة متباينة: (1) تصنيف الأرقام (مجموعات البيانات MNIST و SVHN و USPS) (2) التعرف على الأشياء باستخدام مجموعة بيانات OFFICE (3) التكيف بين المجالات من البيانات الصناعية إلى البيانات الواقعية. يحقق أسلوبنا أفضل الأداء في معظم الإعدادات التجريبية، وهو بالتأكيد الطريقة الوحيدة القائمة على شبكات GAN التي أظهرت كفاءتها العالية عبر مجموعات بيانات مختلفة مثل OFFICE و DIGITS.