开集多源多目标域适应
计算机视觉与模式识别
2023-02-06 v2
摘要
单源单目标域适应（1S1T）旨在弥合有标签源域与无标签目标域之间的差距。尽管 1S1T 是一个研究充分的课题，它们通常并未部署到现实世界中。多源域适应和多目标域适应等方法已演进以建模现实世界问题，但仍不能很好地泛化。大多数这些方法假设源域和目标域之间具有共同标签集，这一事实极具限制性。近期的开集域适应方法可处理未知目标标签，但无法在多个域中泛化。为克服这些困难，首先，我们提出一种新颖的通用域适应（DA）设置，称为开集多源多目标域适应（OS-nSmT），其中 n 和 m 分别为源域和目标域的数量。接下来，我们提出一种基于图注意力的框架 DEGAA，其可在不知晓目标确切标签集的情况下从多个源域和目标域捕获信息。我们认为，我们的方法虽面向多源和多目标，也可通用于各种其他 DA 设置。为检验 DEGAA 的鲁棒性与多功能性，我们给出了充分的实验与消融研究。
引用
@article{arxiv.2302.00995,
title = {Open-Set Multi-Source Multi-Target Domain Adaptation},
author = {Rohit Lal and Arihant Gaur and Aadhithya Iyer and Muhammed Abdullah Shaikh and Ritik Agrawal},
journal= {arXiv preprint arXiv:2302.00995},
year = {2023}
}
备注
Accepted in NeurIPS 2021 Workshop on Pre-registration in Machine Learning