面向视觉识别的谱无监督域自适应
计算机视觉与模式识别
2022-06-07 v3
摘要
尽管无监督域自适应（UDA）近期取得了令人印象深刻的进展，但由于缺少目标域标注以及源域与目标域分布之间存在显著差异，它仍是一项巨大挑战。我们提出谱 UDA（SUDA），一种在谱空间工作且可泛化至不同视觉识别任务的有效且高效的无监督域自适应技术。SUDA 从两个角度应对 UDA 挑战。首先，它引入谱变换器（ST），通过同时增强源和目标样本的领域不变谱并抑制其领域变异谱来缓解域间差异。其次，它引入多视图谱学习，通过最大化每个目标样本的多个 ST 生成的谱视图之间的互信息来学习有用的无监督表示。大量实验表明，SUDA 在目标检测、语义分割和图像分类等不同视觉任务上一致地取得了优越精度。此外，SUDA 也能与基于 transformer 的网络配合使用，并在目标检测上达到最先进的性能。
引用
@article{arxiv.2106.06112,
title = {Spectral Unsupervised Domain Adaptation for Visual Recognition},
author = {Jingyi Zhang and Jiaxing Huang and Zichen Tian and Shijian Lu},
journal= {arXiv preprint arXiv:2106.06112},
year = {2022}
}
备注
Accepted to CVPR2022