面向类递增源自由无监督域适应的多粒度类原型拓扑蒸馏
计算机视觉与模式识别
2025-05-28 v4
摘要
本文探讨了类递增源自由无监督域适应 (CI-SFUDA) 问题，即无标签目标数据以递增方式到达且无法访问标记的源实例。这一问题提出两个挑战：类间相似源知识在目标类表示学习中的干扰，以及新目标知识对旧知识的冲击。为此，我们提出了多粒度类原型拓扑蒸馏 (GROTO) 算法，有效将源知识传递至类递增目标域。具体而言，我们设计了多粒度类原型自组织模块和原型拓扑蒸馏模块。首先，通过建模累积分布挖掘正类样本。随后，引入多粒度类原型生成可靠伪标签，并利用其促进目标特征的自组织。其次，利用正类原型构建源特征空间和目标特征空间的拓扑结构，然后进行拓扑蒸馏，以持续缓解新目标知识对旧知识的冲击。大量实验表明，我们的方法在三个公开数据集上实现了最先进的性能。代码已公开于 https://github.com/dengpeihua/GROTO。
关键词
引用
@article{arxiv.2411.16064,
title = {Multi-Granularity Class Prototype Topology Distillation for Class-Incremental Source-Free Unsupervised Domain Adaptation},
author = {Peihua Deng and Jiehua Zhang and Xichun Sheng and Chenggang Yan and Yaoqi Sun and Ying Fu and Liang Li},
journal= {arXiv preprint arXiv:2411.16064},
year = {2025}
}
备注
Accepted by CVPR 2025