DRANet: Disentangling Representation and Adaptation Networksfor Unsupervised Cross-Domain Adaptation
分解表示和适应网络用于无监督的跨域自适应
https://arxiv.org/pdf/2103.13447.pdf
在本文中,我们提出了一种网络架构DRANet解开图像表示并转移潜在空间中的视觉属性,用于无监督的跨域自适应。与现有的域适应不同学习共享域相关功能的方法,DRANet保留了每个域的独特性特征。我们的模型对来自源图像和目标图像的内容(场景结构)和样式(艺术外观)的单个表示进行编码。然后,它适应通过合并转移的样式因子来定义域内容因子以及为每个域指定的可学习权重。此学习框架允许双向单编码器/解码器网络进行/多方向域自适应,并对齐其域偏移。此外,我们提出了一种内容自适应的域传输模块,该模块有助于在传输样式时保留场景结构。大量实验表明,我们的模型成功地分离了内容样式因素并合成了视觉上令人愉悦的域传输的图像。所提出的方法展示了标准数字分类任务以及语义分割任务的最新性能。