المحاذاة الضمنية للنطاق المشروط بالفئة للتكيف غير المراقب للنطاق

نقدم نهجًا للتكيف بين المجالات دون تدريب مراقب، مع التركيز القوي على الاعتبارات العملية المتعلقة بالانحياز بين الفئات داخل المجال (within-domain class imbalance) وتغير توزيع الفئات بين المجالات (between-domain class distribution shift)، من منظور محاذاة المجال المشروطة بالفئة. تسعى الطرق الحالية لمحاذاة المجال المشروطة بالفئة إلى تقليل دالة الخسارة بشكل صريح بناءً على تقديرات التسميات الوهمية (pseudo-labels) للمجال المستهدف. ومع ذلك، تعاني هذه الطرق من انحياز التسميات الوهمية على شكل تراكم للأخطاء. نقترح منهجًا يُلغِي الحاجة إلى التحسين الصريح لمعاملات النموذج من خلال التسميات الوهمية مباشرة. بدلًا من ذلك، نقدّم منهجية محاذاة ضمنية تعتمد على العينة، حيث تُوجَّه عملية اختيار العينات بشكل ضمني بواسطة التسميات الوهمية. تُظهر التحليلات النظرية وجود "طريقة مختصرة (shortcut)" لتمييز المجال في الفئات غير المُحاذاة، والتي تعالجها المنهجية المقترحة لتمكين التعلم المعاكس للمجال (domain-adversarial learning). تؤكد النتائج التجريبية والدراسات التحليلية (ablation studies) فعالية النهج المقترح، وخاصة في الحالات التي توجد فيها انحيازات داخلية بين الفئات وتغيرات في توزيع الفئات بين المجالات.