ソースからターゲットへ、そして逆方向へ：対称的な双方向適応GAN

生成対抗アプローチの特定のスタイルや視覚ドメインに従って画像を生成する効果は、最近、教師なしドメイン適応問題の解決に新しい方向性を開くことに成功しました。ソースのラベル付き画像がターゲットサンプルを模倣するように変更可能であることが示されており、元々注釈データが不足しているにもかかわらず、直接ターゲットドメインで分類器を学習することが可能になりました。ターゲットからソースドメインへの逆写像も評価されていますが、これは適応された特徴空間を通じてのみ行われており、新しい画像の生成はありません。本稿では、生成対抗ネットワークの適応における潜在能力をより効果的に活用するために、ドメイン間での新たな対称的な写像を導入します。双方向の画像変換とターゲット自己ラベリングを組み合わせて共同最適化を行います。さらに、2つの方向性のジェネレータを揃え、両方のドメイン写像を通じて画像のクラスアイデンティティを保つことを強制する新しいクラス一貫性損失を定義します。再構築された画像に対する詳細な定性的および定量的分析により、当社アプローチの有効性が確認されました。当社の双方向ネットワークによって得られた2つのドメイン固有の分類器を統合することで、4つの異なるベンチマークデータセットにおいて既存の最先端教師なし適応結果を超えることができました。