用于对抗域适应的渐消桥
计算机视觉与模式识别
2020-03-31 v1
摘要
在无监督域适应中，丰富的域特定特征给学习域不变表示带来巨大挑战。然而，现有方法倾向于直接最小化域差异，这在实际中难以实现。一些方法通过显式建模表示中的域不变与域特定部分来缓解该困难，但显式构造的不利影响在于所构造的域不变表示中残留域特定特征。本文在生成器与判别器上均为对抗域适应配备了渐消桥（GVB）机制。在生成器上，GVB 不仅能降低整体迁移难度，还能减弱域不变表示中残留域特定特征的影响。在判别器上，GVB 有助于增强判别能力并平衡对抗训练过程。在三个具挑战性数据集上的实验表明，我们的 GVB 方法优于强基线，且能与其他对抗方法良好协作。代码见 https://github.com/cuishuhao/GVB。
引用
@article{arxiv.2003.13183,
title = {Gradually Vanishing Bridge for Adversarial Domain Adaptation},
author = {Shuhao Cui and Shuhui Wang and Junbao Zhuo and Chi Su and Qingming Huang and Qi Tian},
journal= {arXiv preprint arXiv:2003.13183},
year = {2020}
}
备注
CVPR2020