用户反馈是否总是有信息量？基于检索潜在防御的半监督域适应（无源数据）

本文旨在利用在实际应用中可获得的少量用户反馈（即标记的目标数据），将源模型适配到目标环境。我们发现，现有的半监督域适应（SemiSDA）方法在直接利用此类反馈数据时，往往难以获得理想的适应效果（如图1所示）。我们通过一种新概念——负向偏置反馈（NBF）来分析这一现象，该概念源于观察：用户反馈更可能针对模型产生错误预测的数据点。为充分利用此类反馈同时规避上述问题，我们提出了一种可扩展的适应方法：检索潜在防御（Retrieval Latent Defending）。该方法通过在适应过程中利用潜在防御样本，帮助现有的SemiSDA方法获得平衡的监督信号。我们在 various基准测试中展示了NBF导致的问题及方法的有效性，包括图像分类、语义分割以及实际的医学影像应用。我们的广泛实验表明，将本方法集成到多种最新SemiSDA方法中，可显著提升性能。