- …
- …
#387
summarized by : Shoma Iwai
どんな論文か？
画像のidentityを保ちながら変換（視点の変換など）を行う。変換後も細かいクラス分類（車の種類の分類など）が成功するように、画像の品質よりもidendityを保持することを重視する。GANの構造を持ち、Gは画像を変換し、Dはidentity（クラス）とattribute（向きなどの情報）を予測する。
新規性
identityを保つため、Adaptive Identity ModulationとConstrained Nonalignment Connectionを提案。どちらも画像生成時に入力画像のidentity情報を参照させるモジュールである。また、identityを保つことができるため、few-shot classifierのDAとして有効である。
結果
生成画像をfine-grainedクラス分類器に入力して予測精度を比較すると、既存手法を大きく上回った。生成画像をDAとしてfew-shot classifierの学習を行った結果、既存手法でDAをした場合よりも精度が大きく向上した。
その他（なぜ通ったか？等）
- …
- …