无监督域自适应计数中的条件特征对齐理论

目标计数模型在密度差异较大的域之间部署时会受到影响，因为密度偏移本质上是任务相关的，违反了标准域适应假设。为此，我们提出一种条件特征对齐的理论框架，并提供了直观的实现方法。通过理论分析，我们的框架能够实现对计数任务的卓越的跨域泛化。在所提网络中，与密度相关的特征在不同域之间被显式保留。理论上，我们通过将每个域划分为子集并按条件度量偏差来正式化条件发散的概念。随后，我们推导了联合误差上界，表明在将离散标签空间视为条件集的情况下，条件对齐的分布相对于无条件对齐能够获得 tighter 的误差上界。实验上，我们通过在多个具有不同密度分布的数据集上进行大量实验来展示我们方法的有效性。结果表明，我们的方法优于现有的无监督域适应方法，实证验证了关于条件特征对齐的理论见解。