基于多视图图像变换和潜在空间一致性的源自由域适应方法
计算机视觉与模式识别
2026-01-29 v1
摘要
域适应（DA）解决了将知识从源域迁移到图像数据分布可能不同的目标域的挑战。现有的 DA 方法通常需要访问源域数据、对抗训练或复杂的伪标签技术，这些方法计算代价高昂。为解决这些挑战，本文引入了一种新颖的源自由域适应方法。这是首种利用多视图数据增强和潜在空间一致性技术，直接从目标域学习领域不变特征的方法。我们的模型通过在潜在空间中强化多个增强视图之间的一致性，消除了源-目标对齐或伪标签细化的需求，仅从目标域学习可迁移的表示。此外，该方法通过生成目标域数据的多个增强视图并最小化它们在潜在空间中的特征表示距离来确保所学特征的一致性。我们还引入了基于 ConvNeXt 的编码器，并设计一种结合分类和一致性目标的损失函数以驱动直接从目标域进行有效适应。 proposed 模型在 Office-31、Office-Home 和 Office-Caltech 数据集上实现了平均分类准确率分别为 90.72%、84% 和 97.12%。进一步的评估确认，我们的研究在各数据集上分别提高了 +1.23%、+7.26% 和 +7.77% 的平均分类准确率。
引用
@article{arxiv.2601.20284,
title = {A Source-Free Approach for Domain Adaptation via Multiview Image Transformation and Latent Space Consistency},
author = {Debopom Sutradhar and Md. Abdur Rahman and Mohaimenul Azam Khan Raiaan and Reem E. Mohamed and Sami Azam},
journal= {arXiv preprint arXiv:2601.20284},
year = {2026}
}
备注
Manuscript under review in IEEE Transactions on Image Processing