报告题目：Connect MMD with GAN: Unsupervised Domain Adaptation and Image Generation
时 间：2017年1月6日上午09:00~11:00
地 点：计算所446会议室
报告摘要：
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。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。围绕上述工作，我们也对最近MMD和GAN方面的进展做了简单的总结。
报告人简介：
左旺孟，博士，哈尔滨工业大学计算机学院教授、博士生导师。主要从事图像增强与复原、距离度量学习、目标跟踪、图像与视频分类等方面的研究。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEETrans.等期刊上发表论文50余篇。
附件：