FRIDA——用于增量域自适应的生成式特征回放
计算机视觉与模式识别
2022-01-12 v2 机器学习
摘要
本文处理增量无监督域自适应（IDA）这一新问题。我们假设一个带标签的源域与不同的无标签目标域被增量观测，约束为任一时刻仅当前域的数据可用。目标是在对当前域良好泛化的同时，保持所有过去域的精度。IDA 设定因域间突变差异及包含源域的过去数据不可用而受限。受生成式特征回放概念启发，我们提出一种称为基于特征回放的增量域自适应（FRIDA）的新框架，其利用一个名为域通用辅助分类 GAN（DGAC-GAN）的新型增量生成对抗网络（GAN）无缝生成域特定特征表示。对于域对齐，我们提出广域对抗神经网络（DANN）的一个简单扩展 DANN-IB，其鼓励判别性域不变且与任务相关的特征学习。在 Office-Home、Office-CalTech 和 DomainNet 数据集上的实验结果证实，FRIDA 比已有文献保持更优的稳定性-可塑性权衡。
引用
@article{arxiv.2112.14316,
title = {FRIDA -- Generative Feature Replay for Incremental Domain Adaptation},
author = {Sayan Rakshit and Anwesh Mohanty and Ruchika Chavhan and Biplab Banerjee and Gemma Roig and Subhasis Chaudhuri},
journal= {arXiv preprint arXiv:2112.14316},
year = {2022}
}
备注
Accepted at CVIU (7th January 2022)