- …
- …
#500
summarized by : 角田良太朗
どんな論文か？
超解像タスクの学習をbicubic補間の合成データで行うと実データに汎化しないため、近年低＆高解像度画像ペアを実際に集めたデータセットが公開されている。しかしこれも収集デバイスによるバイアスがかかり、テスト端末で汎化しないと本論文は指摘。ドメイン適用のタスクと見なしてこれを解決する。
新規性
ターゲットドメインはGTが存在しない状況を考える。ドメイン適用のために元ドメインのデータは極力使いたくないので、ターゲットドメインのpseudo-gtを作る用のモデルと、それを元にターゲットドメインで学習させるブランチの２つを同時に学習させる。ドメイン差分が推論結果に出ないように両ブランチにはGANを適用し、また両ブランチの出力がほぼ同一になるようにするためにもGANを用いる。
結果
まず従来の合成データから実データへのドメイン適用よりも、実データから実データへのドメイン適用の方が高精度になることを実証。その上で後者の場合において既存のドメイン適用手法を用いるよりも優れた結果を出すことを示している。
その他（なぜ通ったか？等）
ドメイン適用はドメイン間で共通の特徴量を取得しなければならないが、low-levelタスクにおいてはそのような深い特徴量を見つけるのが難しいと著者は主張している。GANの組み込みがだいぶ複雑で論文が読みづらく感じたが、それは上記が理由なのかもしれない。
https://github.com/lonelyhope/DADA
- …
- …