2020年2月7日于arXiv公开，https://arxiv.org/abs/2002.02917

论文提出一种新的数据增强方法Mobius transformations（莫比乌斯变换，自译）。Mobius transformations是双射共形变换，在生物学中已有应用，将3D形态的标本（如人类，真菌和鱼类）转为2D投影。本文将其用于自然图像，一张图片经过Mobius transformations可生成多种变换后的图片。理论解释我还没看明白，所以暂时跳过。

实验在CIFAR-10和CIFAR-100数据集上进行，对比标准的裁剪翻转、Cutout、Mobius以及Mobius+Cutout的方法，Mobius+Cutout的表现最佳，在Reduced CIFAR-10中，单独Mobius的表现最佳，说明Mobius transformations在训练数据少的情况下表现更好。论文并没有实验更多的方法与Mobius联合，但Mobius应该也有与其他数据增强技术强强联合的可能。实验的另一个发现是，与标准的裁剪翻转数据增强相比，Mobiust始终能够提高动物类别图像的识别准确率，而对于非动物类别图像则并非如此，表明已经在动物物种研究过的Mobius transformations特别适合于提高这些类别的泛化性。

鉴于Mobius transformations在小数据集的优异表现，这个方法对于半监督学习研究可能有所帮助。