OT Score：一种基于最优传输的置信度评分，用于原型辅助的无源无监督域自适应
机器学习
2026-04-30 v3 人工智能
摘要
我们解决了当前基于源类均值特征的无源无监督域自适应（SFUDA）分布对齐方法在计算和理论上的局限性。我们特别关注在缺乏目标标签的情况下估计分类性能和置信度。这些方法的现有理论框架通常产生计算上难以处理的量，并且未能充分反映所采用对齐算法的特性。为了克服这些挑战，我们引入了最优传输（OT）评分，这是一种源自新颖理论分析的置信度度量，该分析利用了半离散最优传输对齐所诱导的决策边界的灵活性。所提出的OT评分具有直观的可解释性和理论上的严谨性。它为任何给定的目标伪标签集提供了原则性的不确定性估计。实验结果表明，OT评分优于现有的置信度评分。此外，它通过训练时的重新加权提高了SFUDA的性能，并为模型性能提供了一个可靠的、无标签的代理指标。
引用
@article{arxiv.2505.11669,
title = {OT Score: An OT based Confidence Score for Prototype-Assisted Source Free Unsupervised Domain Adaptation},
author = {Yiming Zhang and Sitong Liu and Alex Cloninger},
journal= {arXiv preprint arXiv:2505.11669},
year = {2026}
}