来自南京大学高阳教授团队的论文，CDAAE可用于图像生成和域适应的问题，其训练可以使用监督数据，也可以使用非监督数据。
在本文中，我们提出跨域对抗自动编码器（CDAAE）来解决跨域图像推理，生成和转换的问题。我们假设来自不同领域的图像共享相同的内容潜在编码空间（latent code space for content），却有不同的风格潜在编码空间（latent code space for style）。所提出的框架可以将跨域数据映射到由内容部分和样式部分组成的潜在代码向量。潜在编码矢量与先验分布相匹配，以便我们可以从先前空间的任何部分生成有意义的样本。因此，给定一个域的样本，我们的框架可以生成具有相同输入内容的其他域的各种样本。这使得所提出的框架不同于当前的跨域转换工作。另外，所提出的框架可以用标记和未标记的数据进行训练，这使得它也适用于域适应。数据集SVHN，MNIST和CASIA的实验结果表明，所提出的框架在图像生成任务中实现了视觉上吸引人的性能。此外，我们还证明了所提出的方法在域适应方面取得了优越的结果。
https://arxiv.org/pdf/1804.06078v1.pdf https://github.com/luckycallor/CDAAE
转载请注明：《CDAAE：跨域对抗自动编码机开源 Cross-Domain Adversarial Auto-Encoder》
