域索引变分贝叶斯：用于域适应的可解释域索引
机器学习
2023-06-13 v5 人工智能
摘要
先前研究表明，利用域索引可以显著提升域适应性能（arXiv:2007.01807, arXiv:2202.03628）。然而，此类域索引并不总是可用。为应对这一挑战，我们首先从概率角度给出了域索引的形式化定义，然后提出了一种对抗变分贝叶斯框架，该框架从多域数据中推断域索引，从而提供关于域关系的额外见解并提升域适应性能。我们的理论分析表明，我们的对抗变分贝叶斯框架在均衡状态下找到了最优域索引。在合成数据和真实数据上的实验结果验证了我们的模型能够产生可解释的域索引，从而使我们能够实现优于最先进域适应方法的性能。代码可在 https://github.com/Wang-ML-Lab/VDI 获取。
引用
@article{arxiv.2302.02561,
title = {Domain-Indexing Variational Bayes: Interpretable Domain Index for Domain Adaptation},
author = {Zihao Xu and Guang-Yuan Hao and Hao He and Hao Wang},
journal= {arXiv preprint arXiv:2302.02561},
year = {2023}
}
备注
ICLR 2023 Spotlight (notable-top-25%)