无源域适应：扩散引导的源数据生成
计算机视觉与模式识别
2024-06-28 v3 人工智能
机器学习
摘要
本文介绍了一种利用扩散模型的泛化能力进行无源域适应（DM-SFDA）的新方法。我们提出的DMSFDA方法涉及微调预训练的文本到图像扩散模型，利用目标图像的特征引导扩散过程生成源域图像。具体来说，微调预训练扩散模型以生成源样本，这些样本最小化熵并最大化预训练源模型的置信度。然后，我们使用基于扩散模型的图像混合策略来弥合源域和目标域之间的域差距。我们通过在包括Office-31、Office-Home和VisDA在内的多个数据集上进行全面实验验证了我们的方法。结果表明，SFDA性能显著提升，凸显了扩散模型在生成上下文相关、特定领域图像方面的潜力。
引用
@article{arxiv.2402.04929,
title = {Source-Free Domain Adaptation with Diffusion-Guided Source Data Generation},
author = {Shivang Chopra and Suraj Kothawade and Houda Aynaou and Aman Chadha},
journal= {arXiv preprint arXiv:2402.04929},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2310.01701