无源数据的无监督鲁棒域适应
计算机视觉与模式识别
2021-03-29 v1
摘要
我们研究在目标标签与源数据均不可用的情形下的鲁棒域适应问题。所考虑的鲁棒性针对对抗扰动。本文旨在回答在无源数据的无监督域适应设定下，采用何种正确策略使目标模型兼具鲁棒性与准确性。本文的主要发现为：(i) 鲁棒的源模型可鲁棒地迁移至目标域；(ii) 鲁棒域适应可极大受益于非鲁棒伪标签与成对对比损失。所提出的利用非鲁棒伪标签的方法在图像分类任务上，于干净样本与对抗样本上均表现惊人地好。我们在四个基准数据集上展示了相较被测基线超过 的一致准确率提升。
引用
@article{arxiv.2103.14577,
title = {Unsupervised Robust Domain Adaptation without Source Data},
author = {Peshal Agarwal and Danda Pani Paudel and Jan-Nico Zaech and Luc Van Gool},
journal= {arXiv preprint arXiv:2103.14577},
year = {2021}
}