Universal Multi-Source Domain Adaptation 论文链接：https://arxiv.org/abs/2011.02594

表现SOTA！性能优于MDDA、MDAN和DCTN等网络，作者单位：南京邮电大学

无监督域自适应使智能模型能够将知识从标记的源域转移到相似但未标记的目标域。最近的研究表明，知识可以从一个源域转移到另一个未知的目标域，称为通用域自适应（UDA）。但是，在实际应用中，经常会有不止一个源域可用于域自适应。在本文中，我们正式提出了一个更通用的域自适应设置，即通用多源域自适应（UMDA），其中多个源域的标签集可以不同，而目标域的标签集是完全未知的。 UMDA中的主要挑战是识别每个源域和目标域之间的公共标签集，并随着源域数量的增加保持模型可伸缩。为了解决这些挑战，我们提出了一种通用的多源自适应网络（UMAN），以解决域自适应问题，而不会增加各种UMDA设置中模型的复杂性。在UMAN中，我们通过预测余量来估计公共标签集中每个已知类的可靠性，这有助于进行对抗训练，以更好地对齐公共标签集中多个源域和目标域的分布。此外，还为UMAN提供了理论保证。大量的实验结果表明，现有的UDA和多源DA（MDA）方法无法直接应用于UMDA，并且所提出的UMAN在各种UMDA设置下均达到了最先进的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除