CyCADA: Cycle-Consistent Adversarial Domain Adaptation CyCADA: 사이클 일관성 적대적 도메인 적응

도메인 적응은 새로운, 미처 보지 못한 환경에서 성공하기 위해 필수적입니다. 특성 공간에 적용된 적대적 적응 모델은 도메인 불변 표현을 발견하지만, 시각화하기 어렵고 때때로 픽셀 수준 및 저수준의 도메인 변화를 포착하지 못하는 경우가 있습니다. 최근 연구에서는 정렬된 이미지 쌍을 사용하지 않더라도 사이클 일관성 제약 조건과 결합된 생성적 적대 네트워크가 도메인 간 이미지를 매핑하는 데 매우 효과적이라는 것을 보여주었습니다. 우리는 새로운 차별적으로 학습된 사이클 일관성 제약 조건을 가진 적대적 도메인 적응 모델(Cycle-Consistent Adversarial Domain Adaptation, CyCADA)을 제안합니다. CyCADA는 픽셀 수준과 특성 수준에서 표현을 적응시키며, 작업 손실을 활용하면서 사이클 일관성을 강제하며, 정렬된 쌍이 필요하지 않습니다. 우리의 모델은 다양한 시각 인식 및 예측 설정에 적용될 수 있습니다. 우리는 숫자 분류와 도로 장면의 의미 분할 등 여러 적응 과제에서 새로운 최신 결과를 보여주며, 이는 합성 도메인에서 실제 세계 도메인으로의 전송을 입증합니다.