面向无监督域适应的隐式类条件域对齐

我们提出了一种用于无监督域适应的方法——强烈关注域内类不平衡与域间类分布偏移的实际问题——从类条件域对齐的视角出发。当前的类条件域对齐方法旨在基于目标域的伪标签估计显式最小化损失函数。然而，这些方法受到以误差累积形式出现的伪标签偏置的困扰。我们提出了一种方法，消除了直接根据伪标签显式优化模型参数的需要。相反，我们提出了一种基于采样的隐式对齐方法，其中样本选择过程由伪标签隐式引导。理论分析揭示了在错位类中存在域判别器捷径，所提出的隐式对齐方法通过促进域对抗学习解决了该问题。实证结果与消融研究证实了所提方法的有效性，尤其在存在域内类不平衡与域间类分布偏移的情况下。