합성 이미지의 장점과 간극
합성 이미지는 렌더링 과정에서 정답 주석을 자동으로 만들 수 있다. 하지만 합성 자료로만 학습한 모델이 실제 이미지에 잘 적용되지 않는 영역 차이가 남을 수 있다.
표현 대신 이미지의 변환
이 연구는 영역별 특징을 맞추는 방식과 달리 픽셀 공간의 변환을 학습한다. 원천 이미지가 목표 영역에서 나온 것처럼 보이도록 외관을 바꾼다.
무정답 적대 학습
생성적 적대 신경망을 이용해 영역 사이의 변환을 비지도 방식으로 학습한다. 학습 결과는 특징 벡터뿐 아니라 변환된 이미지로도 확인할 수 있다.
보지 못한 클래스의 평가
연구는 여러 비지도 도메인 적응 조건에서 변환의 효과를 평가했다. 학습 중 등장하지 않은 객체 클래스에도 적응 과정이 일반화하는지 실험했다.
관련 문서
CyCADA / Generate To Adapt / 도메인 분리 네트워크 / ADDA / DRCN 도메인 적응 / 도메인 적대 신경망