التعلم المقابل للنطاقات المتعددة للترجمة القائمة على الأمثلة للصور

نقدّم إطارًا عامًا لترجمة الصور المستندة إلى الأمثلة، والذي يُولِّد صورة واقعية من صورة إدخال تابعة لمجال مختلف (مثل خريطة التصنيف الدلالي، أو خريطة الحواف، أو نقاط الموضع)، بالاعتماد على صورة مثال (exemplar). ويتماشى نمط الصورة الناتجة (مثل الألوان والملمس) مع الكائنات ذات الدلالة المقابلة في الصورة المثال. ونقترح التعلّم المشترك بين العلاقة عبر المجالات (cross-domain correspondence) وترجمة الصور، حيث تُسهم كلتا المهمتين في تعزيز بعضهما البعض، وبالتالي يمكن تعلّمهما باستخدام إشراف ضعيف. تُحَوَّل الصور من المجالات المختلفة أولاً إلى مجال وسيط، حيث تُنشأ علاقة متطابقة كثيفة. ثم يقوم الشبكة بتكوين الصور بناءً على مظهر البُقع ذات الدلالة المماثلة في الصورة المثال. ونُظهِر فعالية نهجنا في عدة مهام لترجمة الصور. ويتفوّق نهجنا على أفضل الطرق الحالية من حيث جودة الصورة بشكل ملحوظ، مع الحفاظ على أسلوب الصورة المُولَّدة متماشيًا مع الصورة المثال وباستمرارية دلالية. علاوةً على ذلك، نُظهر فائدة طريقة العمل هذه في عدد من التطبيقات المختلفة.