초록
본 논문에서는 비지도 교차 도메인 적응을 위해 이미지 표현을 분리하고 잠재 공간에서 시각적 특징을 전이하는 DRANet이라는 네트워크 아키텍처를 제안한다. 기존의 도메인 적응 방법들이 도메인 간 공유되는 특징을 학습하는 반면, DRANet은 각 도메인의 고유 특징을 유지한다. 본 모델은 원천 도메인과 타겟 도메인 이미지로부터 콘텐츠(장면 구조)와 스타일(예술적 외관)의 개별 표현을 인코딩한다. 이후, 각 도메인에 대해 지정된 학습 가능한 가중치를 활용하여 전이된 스타일 요소를 콘텐츠 요소에 통합함으로써 도메인을 적응시킨다. 이러한 학습 프레임워크는 단일 인코더-디코더 네트워크를 통해 이방향 또는 다방향 도메인 적응을 가능하게 하며, 도메인 간 분포 차이를 정렬한다. 또한, 장면 구조를 유지하면서 스타일을 효과적으로 전이할 수 있도록 콘텐츠 적응형 도메인 전이 모듈을 제안한다. 광범위한 실험을 통해 제안된 모델이 콘텐츠와 스타일 요소를 성공적으로 분리하고 시각적으로 매력적인 도메인 전이 이미지를 합성함을 확인하였다. 제안된 방법은 표준 숫자 분류 작업 및 의미적 세그멘테이션 작업에서 최신 기술 수준의 성능을 보였다.