用于域适应的联合分布最优传输

本文处理无监督域适应问题，即在目标域中没有带标签样本的情况下，通过利用源域中已知标签的知识，估计给定目标域中的预测函数 $f$。我们的工作基于以下假设：两个域 $\mathcal{P}_s$ 和 $\mathcal{P}_t$ 的联合特征/标签空间分布之间存在非线性变换。我们提出使用最优传输解决该问题，通过同时优化最优耦合和 $f$ 来恢复估计的目标 $\mathcal{P}^f_t=(X,f(X))$。我们证明我们的方法对应于最小化目标误差的一个上界，并提供了一种高效的算法解决方案，且证明了其收敛性。我们通过现实世界的分类和回归问题展示了该方法在假设类或损失函数方面的通用性，并在这些问题上达到或超越了最先进的结果。