语义桥接域: 伪源作为测试时连接器
计算与语言
2026-03-05 v1
摘要
训练和测试数据之间的分布迁移是限制模型实际效用的关键瓶颈，尤其是在真实测试场景中。为了在源域未知且目标域无标签的情况下适配模型，先前方法通过数据生成和翻译构建伪源域，然后与其对齐。然而，伪源与原始源域之间存在显著差异，导致在直接纠正目标时可能出现偏差。从这一角度看，我们提出了一步语义对齐（SSA）方法，将伪源视为连接源域和目标域的语义桥梁，而非源域的直接替代品。具体而言，我们利用易于获取的通用语义来纠正伪源的语义特征，然后使用纠正后的伪源语义对齐目标域。此外，我们引入了层次特征聚合（HFA）模块和置信度感知互补学习（CACL）策略，以增强SSA过程的语义质量，由于缺乏源域和目标域的真实标签。我们在语义分割和图像分类等任务上评估了该方法，在GTA2Cityscapes上相对于当前最先进方法实现了5.2%的性能提升。
引用
@article{arxiv.2603.03844,
title = {Semantic Bridging Domains: Pseudo-Source as Test-Time Connector},
author = {Xizhong Yang and Huiming Wang and Ning Xu and Mofei Song},
journal= {arXiv preprint arXiv:2603.03844},
year = {2026}
}
备注
25 pages