生成以适应：使用生成对抗网络对齐领域

领域适应是计算机视觉中一个活跃的研究问题。在本研究中，我们提出了一种方法，通过利用无监督数据，在学习到的联合特征空间中使源域和目标域的分布更加接近。我们通过在学习到的嵌入表示和生成对抗网络之间诱导一种共生关系来实现这一目标。这与那些使用对抗框架生成逼真数据并用此类数据重新训练深度模型的方法形成对比。我们通过在三个不同难度的任务上进行实验，展示了该方法的优势和通用性：（1）数字分类（MNIST、SVHN 和 USPS 数据集）；（2）使用 OFFICE 数据集进行物体识别；（3）从合成数据到真实数据的领域适应。我们的方法在大多数实验设置中达到了最先进的性能，并且是迄今为止唯一被证明在不同数据集如 OFFICE 和 DIGITS 上均能取得良好效果的基于 GAN 的方法。