- …
- …
#231
summarized by : Hiroaki Aizawa
どんな論文か？
密な予測タスクでは，pixel-levelでのドメインシフトの影響を大きく受ける．この研究では，Image-to-Image Translationによってスタイルが変換されたtargetの画像は，タスクに対しては変換元のsourceの予測と一致するという性質をヒントに，新たなcross-domain consistency lossと，pixel-levelでのUDAの手法を提案．
新規性
CyCADAと類似しているが，この研究のポイントは，source / target の両方でdomain-specificなtask networkを持っていること．source domainの予測結果と，source → target domainでの予測結果が一致するように誤差を設計している．
結果
GTA5とSYNTHIAの合成データセットからCityscapesのreal データセットにDAを行う synthetic-to-realな設定と，異なる都市間でのDAを行うreal-to-realの設定で実験．GTA5→Cityscapesでは，CyCADA, DS, GAM等の先行研究より良い精度を達成．
その他（なぜ通ったか？等）
- …
- …