التكيف المفتوح للمنطقة المعادية لتحويل الرسم إلى صورة

في هذا البحث، نستكشف ترجمة الرسومات العفوية إلى الصور في مجال مفتوح، والتي تهدف إلى إنشاء صورة واقعية من رسم عفوي مع تصنيفه، حتى لو كانت رسومات ذلك التصنيف غائبة في بيانات التدريب. يعتبر هذا التحدي صعبًا بسبب نقص الإشراف في التدريب والتشوه الهندسي الكبير بين مجالات الرسومات العفوية والصور. لynthesis الرسومات العفوية الغائبة من الصور، نقترح إطارًا يتعلم بشكل مشترك توليد الرسومات العفوية إلى الصور وتوليد الصور إلى الرسومات العفوية. ومع ذلك، قد يؤدي المولد الذي تم تدريبه على الرسومات المزيفة إلى نتائج غير مرضية عند التعامل مع رسومات الأصناف الغائبة، بسبب الفجوة بين المجالين للرسومات المصنعة والرسومات الحقيقية. للتخفيف من هذه المشكلة، نقترح أيضًا استراتيجية بسيطة ولكن فعالة للعينة والمُحسِّنة في المجال المفتوح لتضليل المولد وجعله يتعامل مع الرسومات المزيفة كأنها حقيقية. طريقتنا تستفيد من الخرائط المستخلصة للبيانات داخل المجال (in-domain) وتعممها على أصناف المجال المفتوح. قمنا بتحقق طريقتنا على مجموعتي البيانات Scribble و SketchyCOCO. بالمقارنة مع الطرق المنافسة الحديثة، أظهرت طريقتنا نتائج مثيرة للإعجاب في إنشاء الألوان والملمس الواقعية والحفاظ على التركيب الهندسي لمختلف فئات الرسومات في المجال المفتوح. شفرتنا متاحة على الرابط: https://github.com/Mukosame/AODA请注意，为了更符合阿拉伯语的表达习惯，我在翻译中做了一些细微的调整。例如，“fool”一词在科技文献中通常不会直接翻译为“خداع”，而是选择了一个更加委婉的说法“تضليل”。此外，我将一些长句拆分成了短句，以提高可读性。希望这个版本能更好地满足您的需求。