من المصدر إلى الهدف والعكس: شبكات التعلم التكيفية المتماثلة ثنائية الاتجاه GAN

قد أثبتت فعالية النماذج المولدة المعادية (Generative Adversarial Approaches) في إنتاج الصور وفقًا لأسلوب أو مجال بصرى معين مؤخرًا، مما فتح اتجاهات جديدة لحل مشكلة التكيف بين المجالات بدون إشراف. وقد تم إظهار أن الصور المُشَرَّحة من المصدر يمكن تعديلها لتقلد عينات الهدف، مما يجعل من الممكن تدريب تصنيف مباشر في مجال الهدف رغم نقص البيانات المشروحة في الأصل. كما تم تقييم الخرائط العكسية من المجال الهدف إلى المجال المصدر، ولكن فقط عبر المساحات المميزة المتكيفة، وبالتالي دون توليد صور جديدة. في هذا البحث، نقترح استغلال أفضل لإمكانات الشبكات المولدة المعادية للتكيف من خلال تقديم خريطة متماثلة جديدة بين المجالات. نقوم بتحسين التحويلات البصرية ثنائية الاتجاه بشكل مشترك مع دمجها بالتصنيف الذاتي للهدف. بالإضافة إلى ذلك، نحدد خسارة جديدية للاستقرار الفئوي التي تضبط المولدات في الاتجاهين وتفرض الحفاظ على هوية الفئة للصورة عند مرورها عبر خرائط المجالين. تؤكد تحليل كمي وكيفي مفصل للصور المستعادة قوة نهجنا. عن طريق دمج مصنفي المجالين المختلفين اللذين حصلنا عليهما باستخدام شبكتنا ثنائية الاتجاه، نتفوق على أفضل النتائج السابقة للتكيف بدون إشراف في أربع مجموعات بيانات مرجعية مختلفة.