我々は、あるドメインのサンプルを別のドメインの類似サンプルに転送する問題を研究しています。2つの関連するドメインSとTが与えられた場合、入力サンプルをSからTへマッピングする生成関数Gを学習し、任意の関数f（この関数は両方のドメインからの入力を受け入れる）の出力が変化しないようにします。関数f以外の訓練データは非教師ありであり、各ドメインからの一連のサンプルで構成されています。本稿で提案するドメイン転送ネットワーク（Domain Transfer Network: DTN）では、マルチクラスGAN損失、f-定常性成分、およびTからのサンプルを自らにマッピングすることを促す正則化成分を含む複合損失関数を使用します。我々はこの手法を数字や顔画像などの視覚的なドメインに適用し、未見のエンティティの説得力のある新しい画像を生成しながらそのアイデンティティを保つ能力を示しています。