对比与聚类：面向无源域适应的邻域对表示学习
计算机视觉与模式识别
2023-12-14 v4 机器学习
摘要
无监督域适应利用来自不同分布的源数据解决未标记目标域数据的分类问题。然而，传统方法需要访问源数据，常引发数据隐私担忧。本文考虑一种更实际但更具挑战性的设定：源域数据不可用且目标域数据无标签。具体而言，我们从对比学习的角度解决域差异问题。我们工作的核心思想是通过以下方式学习域不变特征：1）在原始特征空间中借助最近邻直接进行聚类；2）通过扩展邻域构造真正的难负样本对，且不引入额外计算复杂度；3）结合噪声对比估计理论以获得计算优势。我们在三个常用基准 VisDA、Office-Home 和 Office-31 上进行了细致的消融研究与广泛实验。结果表明，相较于其他最先进工作，我们的方法具有优越性。
引用
@article{arxiv.2301.13428,
title = {Contrast and Clustering: Learning Neighborhood Pair Representation for Source-free Domain Adaptation},
author = {Yuqi Chen and Xiangbin Zhu and Yonggang Li and Yingjian Li and Haojie Fang},
journal= {arXiv preprint arXiv:2301.13428},
year = {2023}
}
备注
Journal articles