특징 정렬의 빈틈
특징 공간에서 적대적으로 학습하면 영역에 덜 의존하는 표현을 얻을 수 있다. 하지만 낮은 수준의 외관 차이를 놓치거나 적응 결과를 직접 살펴보기 어려울 수 있다.
픽셀과 특징의 적응
CyCADA는 픽셀 수준과 특징 수준을 함께 다룬다. 이미지 외관의 변화와 인식 표현의 차이를 모두 적응 대상으로 삼는 구성이다.
순환 일관성과 과제 손실
영역 사이를 변환하고 되돌렸을 때의 일관성을 요구하면서 실제 인식 과제의 손실도 활용한다. 두 영역의 이미지가 일대일로 정렬돼 있어야 하는 조건은 요구하지 않는다.
합성에서 실제 장면으로
연구는 숫자 분류와 도로 장면의 의미 분할을 포함한 여러 적응 과제로 평가했다. 합성 영역에서 실제 영역으로 전이하는 조건도 포함했다.
관련 문서
Generate To Adapt / 도메인 분리 네트워크 / ADDA / DRCN 도메인 적응 / Deep CORAL / 픽셀 수준 도메인 적응