主动对抗性对齐（A3）：用于无源域适应的主动对抗性对齐

无监督域适应（UDA）旨在将来自带标签源域的知识迁移到无标签目标域。近期研究聚焦于无源 UDA，即仅利用目标数据。这种方法具有挑战性，因为模型依赖噪声伪标签且难以应对分布迁移。我们提出一种新型框架——主动对抗性对齐（A3），将自监督学习、对抗训练和主动学习融合，用于稳健的无源 UDA。A3 通过用于训练的获取函数主动采样具有信息性和多样性的数据。它通过对抗损失和一致性正则化进行模型适应，在无需访问源数据的情况下实现分布对齐。A3 通过将主动学习与对抗学习有效集成，实现域对齐和噪声降低，推动了无源 UDA 的发展。