초록
우리는 하나의 영역에서 다른 영역으로 샘플을 전송하는 문제를 연구합니다. 두 개의 관련된 영역 S와 T가 주어졌을 때, 입력 샘플을 S에서 T로 매핑하여 주어진 함수 f의 출력이 변하지 않도록 하는 생성 함수 G를 학습하고자 합니다. 함수 f 외에는 지도 데이터가 없으며, 각 영역에서 샘플 세트로 구성됩니다. 제시하는 도메인 전송 네트워크(DTN)는 다중 클래스 GAN 손실, f-일관성 성분, 그리고 T에서의 샘플을 그대로 매핑하도록 유도하는 정규화 성분을 포함하는 복합 손실 함수를 사용합니다. 우리는 이 방법을 숫자와 얼굴 이미지 등 시각적 도메인에 적용하여 이전에 본 적 없는 엔티티의 신뢰할 수 있는 새로운 이미지를 생성하면서 그 정체성을 유지할 수 있는 능력을 입증하였습니다.