无监督域适应：一项现实检验
计算机视觉与模式识别
2021-12-01 v1
摘要
近年来对无监督域适应（UDA）的兴趣激增，催生了大量新算法。然而，如同快速发展领域常见的情况，基线算法并未得到应有的充分测试。此外，验证方法（即在没有目标域标签时估计模型精度的方法）很少受到关注。尽管验证方法是任何 UDA 训练/验证流程的关键组成部分，情况依然如此。在本文中，我们通过大规模实验表明：1）在预言机设定下，UDA 算法间的精度差异小于先前认为的程度；2）最先进的验证方法与精度相关性不佳；3）UDA 算法间的差异被验证方法导致的精度下降所掩盖。
引用
@article{arxiv.2111.15672,
title = {Unsupervised Domain Adaptation: A Reality Check},
author = {Kevin Musgrave and Serge Belongie and Ser-Nam Lim},
journal= {arXiv preprint arXiv:2111.15672},
year = {2021}
}