Domain2Vec：面向无监督域适应的域嵌入
计算机视觉与模式识别
2020-07-21 v1
摘要
传统的无监督域适应（UDA）研究有限个域之间的知识迁移。这忽略了更实际的场景，即真实世界中数据分布于众多不同域中。这些域之间的域相似度对域适应性能至关重要。为描述并学习不同域之间的关系，我们提出一种新颖的 Domain2Vec 模型，基于特征解耦与 Gram 矩阵的联合学习，提供视觉域的向量化表示。为评估我们 Domain2Vec 模型的有效性，我们创建了两个大规模跨域基准。第一个是 TinyDA，包含 54 个域及约一百万张 MNIST 风格图像。第二个基准是 DomainBank，收集自 56 个现有视觉数据集。我们证明我们的嵌入能够预测与我们关于不同域之间视觉关系的直觉相符的域相似度。我们进行了大量实验，以展示新数据集在基准测试最先进多源域适应方法方面的能力，以及我们所提模型的优势。
引用
@article{arxiv.2007.09257,
title = {Domain2Vec: Domain Embedding for Unsupervised Domain Adaptation},
author = {Xingchao Peng and Yichen Li and Kate Saenko},
journal= {arXiv preprint arXiv:2007.09257},
year = {2020}
}
备注
ECCV 2020 paper