摘要
生成对抗方法在根据特定风格或视觉域生成图像方面的有效性最近为解决无监督域适应问题开辟了新的方向。研究表明，源域中的标记图像可以被修改以模仿目标样本，从而即使在原始数据缺乏注释的情况下，也能够在目标域中直接训练分类器。从目标域到源域的逆向映射也已进行了评估，但仅通过适应后的特征空间进行，而没有生成新的图像。本文提出了一种新的对称域映射方法，以更好地利用生成对抗网络在适应方面的潜力。我们联合优化双向图像变换，并将其与目标自标签相结合。此外，我们定义了一种新的类一致性损失，该损失通过对两个方向上的生成器进行对齐来强制保留图像经过双向域映射后的类别身份。重建图像的详细定性和定量分析证实了我们方法的有效性。通过整合我们双向网络获得的两个特定领域的分类器，我们在四个不同的基准数据集上超过了以往最先进的无监督适应结果。