DRANet: شبكات تمييز التمثيل والتكيف للتكيف عبر المجالات غير المراقب

في هذه الورقة، نقدّم DRANet، وهي بنية شبكة تفصل تمثيلات الصور وتنقل السمات البصرية في فضاء خفي لتطبيق التكيّف عبر المجالات دون إشراف. على عكس الطرق الحالية لتكييف المجالات التي تتعلم ميزات مرتبطة تشاركها مجالات معينة، يحتفظ DRANet بتميز خصائص كل مجال. يُشفّر نموذجنا تمثيلات فردية للمحتوى (هيكل المشهد) والأسلوب (المظهر الفني) من الصور المصدرية والمستهدفة على حد سواء. ثم، يُعدّل المجال من خلال دمج عامل الأسلوب المنقولة مع عامل المحتوى، مع استخدام أوزان قابلة للتعلّم محددة لكل مجال. يسمح هذا الإطار التعلّمي بتكييف المجال ثنائي/متعدد الاتجاهات باستخدام شبكة مشفرة-مُفكّكة واحدة، ويُسَوِّي الانزياح بين المجالات. علاوةً على ذلك، نقترح وحدة نقل مجال مُعدّلة حسب المحتوى، التي تساعد في الحفاظ على هيكل المشهد أثناء نقل الأسلوب. تُظهر التجارب الواسعة أن نموذجنا نجح في فصل عوامل المحتوى-الأسلوب وsynthesize صورًا محولة بين المجالات ذات مظهر بصري جذاب. وتُظهر الطريقة المقترحة أداءً متقدمًا على مستوى الحالة الحالية في مهام تصنيف الأرقام القياسية، وكذلك في مهام التجزئة الدلالية.