要約
本稿では、非教師付きクロスドメイン適応のため、画像表現の分離と潜在空間上での視覚的属性の転送を実現するネットワークアーキテクチャ「DRANet」を提案する。従来のドメイン適応手法がドメイン間で共有される特徴を学習するのに対し、DRANetは各ドメインの特徴の独自性を保持する。本モデルは、ソースおよびターゲット画像の両方から、コンテンツ（シーン構造）とスタイル（芸術的外観）の個別表現を符号化する。その後、各ドメインに固有の学習可能な重みを用いて、スタイル要因をコンテンツ要因に統合することでドメインを適応させる。この学習フレームワークにより、単一のエンコーダ・デコーダネットワークを用いて双方向・多方向のドメイン適応が可能となり、ドメイン間のシフトを効果的に整列する。さらに、シーン構造を保持しつつスタイルを転送するための「コンテンツ適応型ドメイン転送モジュール」を提案する。広範な実験により、本モデルがコンテンツとスタイルの要因を成功裏に分離し、視覚的に魅力的なドメイン変換画像を合成できることを示した。提案手法は、標準的な数字分類タスクおよびセマンティックセグメンテーションタスクにおいて、最先端の性能を達成した。