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 Exploiting Inter-Sample Affinity for Knowability-Aware Universal Domain Adaptation 利用样本间亲和性实现可知晓性感知的通用领域自适应 Yifan Wang Lin Zhang Ran Song Hongliang Li Paul L. Rosin Wei Zhang 通用领域自适应的目标是在没有任何标签集先验知识的情况下，将源领域中常见类别的知识转移到目标领域，这要求在目标领域中区分已知样本和未知样本。最近的方法通常侧重于将目标样本归类为源类别之一，而不是区分已知和未知样本，这忽略了已知和未知样本之间的样本间亲和性，可能导致次优性能。针对这个问题，我们提出了一个新的UniDA框架，利用这种样本间亲和性。具体来说，我们引入了一个基于可知晓性的标记方案，可以分为两个步骤：(1) 基于可知晓性的已知和未知样本的引导检
………………………………
