PAS：估计域适应的目标准确性
计算机视觉与模式识别
2026-04-14 v1 人工智能
摘要
域适应的目标是利用来自不同但相关源域中标记样本，为来自目标域的无标签样本做出预测。域适应方法的性能高度取决于源域和预训练特征提取器的选择。然而，由于缺乏针对目标域的标记验证集以及大量可用的预训练模型，源数据和预训练模型的选择并不 trivial。本 work 提出了 PAS，一种 novel score，用于在实际执行域适应之前估计源域集合和预训练特征提取器对目标分类任务的可转移性。PAS 利用预训练模型的泛化能力，并基于预训练特征嵌入评估源-目标兼容性。我们将 PAS 集成到一个框架中，该框架指示在多个候选方案中最相关的预训练模型和源域，从而在提高目标准确性的同时减少计算开销。大量实验在图像分类基准测试上表明，PAS 与实际目标准确性高度相关，并始终指导选择最佳-performing 预训练模型和源域进行适应。
引用
@article{arxiv.2604.09863,
title = {PAS: Estimating the target accuracy before domain adaptation},
author = {Raphaella Diniz and Jackson de Faria and Martin Ester},
journal= {arXiv preprint arXiv:2604.09863},
year = {2026}
}
备注
Published as a conference paper at ICLR 2026