用于无监督域适应的双向生成
计算机视觉与模式识别
2020-02-13 v1
摘要
无监督域适应借助已建立的源域信息来辅助无标签目标域。传统方法在潜空间中强行减小域差异会导致数据内在结构被破坏。为平衡域间隙的缓解与固有结构的保持，我们提出了一种具有一致分类器的双向生成域适应模型，通过插值两个中间域来桥接源域和目标域。具体而言，采用两个跨域生成器以另一域为条件合成一个域。我们提出的方法的性能可通过一致分类器和跨域对齐约束进一步增强。我们还设计了两个分类器，它们被联合优化以最大化目标样本预测的一致性。大量实验验证了我们所提模型在标准跨域视觉基准上优于当前最优方法。
引用
@article{arxiv.2002.04869,
title = {Bi-Directional Generation for Unsupervised Domain Adaptation},
author = {Guanglei Yang and Haifeng Xia and Mingli Ding and Zhengming Ding},
journal= {arXiv preprint arXiv:2002.04869},
year = {2020}
}
备注
9 pages, 4 figures