层次贝叶斯框架用于多源域适应
计算机视觉与模式识别
2025-12-23 v1
摘要
多源域适应（MDA）旨在利用多个带有标签的源数据集，推断目标数据集上的标签，而目标数据集则没有标签可用于监督。文献中现有的MDA方法往往缺乏系统性，因为源模型的预训练要么基于权重共享，要么使用独立训练的模型。本文提出了一种基于贝叶斯框架的预训练方法，考虑到不同源域分布通常相似。层次贝叶斯框架利用不同源数据分布之间的相似性，以优化MDA的预训练。使用所提出贝叶斯框架进行的实验表明，该框架在大型基准数据集上的识别任务准确率得到提升。与文献中现有的SOTA MDA方法在日常多域基准Daily-DA RGB视频人类动作识别等具有挑战性的问题上进行的性能比较显示，所提出的贝叶斯框架在准确率上比现有的SOTA方法提升了17.29%。
引用
@article{arxiv.2512.18553,
title = {Hierarchical Bayesian Framework for Multisource Domain Adaptation},
author = {Alexander M. Glandon and Khan M. Iftekharuddin},
journal= {arXiv preprint arXiv:2512.18553},
year = {2025}
}