无监督视频域适应的返回：极简化方法 MetaTrans
计算机视觉与模式识别
2026-05-20 v1
摘要
无监督视频域适应（UVDA）是一项实际但鲜有探索的课题。本文提出了名为 MetaTrans 的一种极简化 UVDA 方法。具体而言，MetaTrans 采用仅包含两个基本损失项的简洁学习目标。尽管学习目标本身简单，MetaTrans 却蕴含了一种先进的 UVDA 思路：通过细致的模型架构设计，分别处理跨域视频的空间与时间发散。通过实现时序静态减法模块，MetaTrans 有效消除空间与时间发散。广泛的实证评估，尤其是在多种跨域动作识别任务上，显示出与当前最先进 UVDA 基线相比，MetaTrans 在绝对适应性能提升方面显著，而在相对性能提升方面也显著优于先进基线。
引用
@article{arxiv.2605.19510,
title = {Return of Frustratingly Easy Unsupervised Video Domain Adaptation},
author = {Pengfei Wei and Yiqun Sun and Zhiqiang Xu and Yiping Ke and Lawrence B. Hsieh},
journal= {arXiv preprint arXiv:2605.19510},
year = {2026}
}
备注
To appear in ICML 2026