用于部分域适应的双层不平衡最优传输
机器学习
2025-06-11 v1 人工智能
计算机视觉与模式识别
摘要
部分域适应（PDA）问题需要在准确传递知识的同时区分跨域样本中的异常类。广泛使用的加权框架通过引入与目标域相似标签分布的源域重新加权来处理异常类。然而，经验建模的权重只能表征样本级关系，导致对簇结构的探索不足，权重可能对不准确的预测敏感并在异常类上产生混淆。为解决这些问题，我们提出了双层不平衡最优传输（BUOT）模型，在统一的传输框架中同时表征样本级和类别级关系。具体而言，引入了样本级和类别级传输之间的合作机制，其中样本级传输为类别级知识传递提供必要的结构信息，而类别级传输为异常识别提供判别性信息。双层传输方案为对齐过程提供指导。通过包含标签感知的传输成本，确保了局部传输结构，并推导出提高效率的快速计算公式。在基准数据集上的大量实验验证了 BUOT 的竞争性。
引用
@article{arxiv.2506.08020,
title = {Bi-level Unbalanced Optimal Transport for Partial Domain Adaptation},
author = {Zi-Ying Chen and Chuan-Xian Ren and Hong Yan},
journal= {arXiv preprint arXiv:2506.08020},
year = {2025}
}