用于特定域适应的自对抗解耦
计算机视觉与模式识别
2022-12-07 v4
摘要
域适应旨在弥合源域与目标域之间的域偏移。这些偏移可能跨越不同维度,如雾、降雨等。然而,近期方法通常未考虑关于特定维度域偏移的显式先验知识,从而导致适应性能不尽如人意。本文研究一种称为特定域适应(SDA)的实用设定,其在要求的特定维度上对齐源域和目标域。在该设定下,我们观察到由不同域度(即该维度上域偏移的数值大小)引起的域内差距在适应到特定域时至关重要。为解决该问题,我们提出一种新颖的自对抗解耦(SAD)框架。具体而言,给定特定维度,我们首先通过引入带有额外监督信号的域度生成器来丰富源域。在生成的域度引导下,我们设计了一个自对抗正则化器和两个损失函数,以联合将潜在表示解耦为域度特定特征和域度不变特征,从而缓解域内差距。我们的方法可轻松作为即插即用框架使用,且在推理时不引入任何额外开销。我们在目标检测和语义分割上相比当前最优方法均取得了一致的提升。
引用
@article{arxiv.2108.03553,
title = {Self-Adversarial Disentangling for Specific Domain Adaptation},
author = {Qianyu Zhou and Qiqi Gu and Jiangmiao Pang and Xuequan Lu and Lizhuang Ma},
journal= {arXiv preprint arXiv:2108.03553},
year = {2022}
}