TPAMI 2024 | 真的聪明！基于证据的多源无监督领域自适应，适用于多种视觉任务！

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 Evidential Multi-Source-Free Unsupervised Domain Adaptation 题目：基于证据的多源无监督领域自适应 作者：Jiangbo Pei; Aidong Men; Yang Liu; Xiahai Zhuang; Qingchao Chen 源码：https://github.com/SPIresearch/EAAF 摘要 多源自由无监督领域自适应（MSFUDA）需要从多个源模型中聚合知识，并将其适配到目标领域。目前还存在两个挑战：1）多个源模型的次优粗粒度（领域级）聚合；2）基于局部结构的风险语义传播。在本文中，我们提出了一种MSFUDA的证据学习方法，我们制定了两种不确定性，即证据预测不确定性（EPU）和证据邻接一致性不确定性（EAU），分别用于解决这两个挑战。前者，EPU，捕获了样本适合源模型的不确定性，这可以指示目标样本对不同源模型的偏好。基于此，我们开发了一个基于EPU的多 ………………………………