基于自适应对比扰动的解�od 几何对齐：可靠域迁移
计算机视觉与模式识别
2025-12-05 v2
摘要
尽管几何感知域适应取得了进展，当前方法如 GAMA 仍面临两个未解决的问题：(1) 任务相关与任务无关流形维度的解�od 程度不足，(2) 忽略每类对齐不对称性的刚性扰动方案。为此，我们提出 GAMA++，一种新框架引入 (i) 潜在空间解�od，将标签一致的流形方向从干扰因素中隔离，(ii) 自适应对比扰动策略，针对类特定的流形曲率和对齐差异，对进行 on- 与 off-流形探索。我们进一步提出了跨域对比一致性损失，鼓励局部语义簇对齐，同时保持域内多样性。我们的方法在 DomainNet、Office-Home 和 VisDA 基准测试上实现了状态最佳成绩，适用于标准和少量样本设置，显著提升了类级对齐保真度和边界鲁棒性。GAMA++ 设定了语义几何对齐在迁移学习中的新标准。
引用
@article{arxiv.2505.15241,
title = {Disentangled Geometric Alignment with Adaptive Contrastive Perturbation for Reliable Domain Transfer},
author = {Emma Collins and Myungseo wong and Kim Yun and Finn Kingston and Hana Satou},
journal= {arXiv preprint arXiv:2505.15241},
year = {2025}
}
备注
arXiv admin note: This version has been removed by arXiv administrators as the submitter did not have the right to agree to the license at the time of submission