SPA：一种用于域适应的图谱对齐视角
计算机视觉与模式识别
2023-10-30 v2 人工智能
摘要
无监督域适应（UDA）是机器学习中将域内模型扩展到数据分布不同的特异目标域的重要形式。大多数先前工作聚焦于捕捉域间可迁移性，却很大程度上忽视了丰富的域内结构，这在经验上导致更差的判别性。在本工作中，我们引入一种新颖的图谱对齐（SPA）框架来解决这一权衡。我们方法的核心简要归纳如下：（i）通过将域适应问题转化为图原语，SPA 构建了一种粗粒度图对齐机制，并带有新颖的谱正则化项，以在特征空间中对齐域图；（ii）我们进一步开发了一种细粒度消息传播模块——基于新颖的邻居感知自训练机制——以增强目标域中的判别性。在标准基准上，SPA 的大量实验表明其性能已超越现有的前沿域适应方法。结合密集的模型分析，我们得出结论：我们的方法确实具备更优的效能、鲁棒性、判别性和可迁移性。代码与数据见：https://github.com/CrownX/SPA。
引用
@article{arxiv.2310.17594,
title = {SPA: A Graph Spectral Alignment Perspective for Domain Adaptation},
author = {Zhiqing Xiao and Haobo Wang and Ying Jin and Lei Feng and Gang Chen and Fei Huang and Junbo Zhao},
journal= {arXiv preprint arXiv:2310.17594},
year = {2023}
}
备注
NeurIPS 2023 camera ready