结合最大化均值差异和生成式对抗网络：无监督域自适应与图像生成

讲座内容：概率分布差异程度的度量是非监督领域自适应和图像生成领域的一个核心问题，目前主要有最大化均值差异（MMD）和生成式对抗网络（GAN）两种非参数度量方式。相对而言，MMD在领域自适应中得到了较多的关注和应用，而GAN更多地被应用于图像生成。因此，我们对最近MMD和GAN方面的进展做了简单的总结。针对领域自适应，我们分析了当前MMD模型的问题和不足，提出了一种加权MMD模型，并针对非监督领域自适应情形下给出了一种权重的自适应估计方法，以及在领域自适应和图像生成任务中验证了WMMD的有效性。结合人脸属性转换问题，通过设计恰当的感知损失和正则化项，我们给出了一种基于GAN的解决方案，并进一步提出了一种自适应GAN模型，实验结果验证了自适应GAN相对于GAN在训练效率和生成效果上的优势。