VALSE 论文速览 第109期：基于统一最优运输框架的通用域适应方法 ...

论文题目：基于统一最优运输框架的通用域适应方法

作者列表：常琬星 (上海科技大学)、石野 (上海科技大学)、Hoang Duong Tuan (悉尼科技大学）、汪婧雅  (上海科技大学)

B站观看网址：

https://www.bilibili.com/video/BV1NM411L7BB/

论文摘要：

通用域适应Universal DomainAdaptation (UniDA)旨在将知识从源域向目标域迁移，而不受标签集的任何限制。由于两个域都可能包含私有类别，因此识别目标公共样本用于域对齐是UniDA中的一个重要问题。大多数现有方法需要通过手动地调整阈值来检测公共样本，但现实世界中存在不同公共类别的比例分布，这使得这些方法很难扩展到更现实的UniDA应用场景。此外，现有方法无法识别目标私有样本之间的不同类别，因为私有样本被视为一个整体。在本文中，我们提出使用最优传输 (OT)在统一框架 (即 UniOT)下处理这些问题。首先，基于OT的自适应填充部分对齐旨在检测公共类，它不需要预定义任何阈值，更符合现实场景中 UniDA的需求。它从OT求解得到的分配矩阵中提取统计信息，并自动地发现公共类和私有类之间的内在差异。其次，我们提出了一种基于OT的目标域表征学习方法，它鼓励团簇的全局区分性和样本的局部一致性，以避免过度依赖源域的有监督信息。值得注意的是，UniOT是第一个能够自动发现和识别 UniDA目标域中私有类别的方法。因此，我们引入了一个新的指标H3-score来评估公共样本的准确性和私有样本的聚类性能。大量实验详细地验证了我们的UniOT优于现有UniDA方法。

论文信息：

[1] W. Chang, Y. Shi, H. D. Tuan and J. Wang. Unified Optimal Transport Framework for Universal Domain Adaptation. In NeurIPS, 2022.

论文链接：

[https://openreview.net/forum?id=RTan64GlCLV]

代码链接：

[https://github.com/changwxx/UniOT-for-UniDA]

视频讲者简介：

常琬星，上海科技大学信息科技与技术学院硕士二年级，师从汪婧雅老师。主要研究方向为迁移学习、计算机视觉，尤其是域适应、分布外检测方法的研究。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：胡鹏 (四川大学)、林迪 (天津大学)