التكيف التبايني النموذجي للتصنيف الدلالي التكيفي للنطاق

تهدف التكييف غير المراقب للنطاق (UDA) إلى تكييف النموذج المدرب على نطاق المصدري المُعلَّم ليناسب نطاق الهدف غير المُعلَّم. في هذه الورقة، نقدّم طريقة التكييف التبايني المُمثّل (ProCA)، وهي طريقة بسيطة وفعّالة لتعلم التباين في التصنيف الشكلي التكييفي غير المراقب. ففي الطرق السابقة لتكييف النطاق، تم الاهتمام فقط بمحاذاة توزيعات التمثيل داخل الفئة عبر النطاقات المختلفة، بينما لم تُستكمل استكشاف العلاقة الهيكلية بين الفئات، ما يؤدي إلى أن تمثيلات المُحاذاة على نطاق الهدف قد لا تكون سهلة التمييز كما كان الحال على نطاق المصدر. بدلًا من ذلك، تدمج ProCA معلومات بين الفئات في البروتوكولات الفئوية، وتُطبّق محاذاة توزيع مركزية حول الفئة لغرض التكييف. من خلال اعتبار البروتوكولات الخاصة بنفس الفئة كأمثلة إيجابية، والبروتوكولات الخاصة ببقية الفئات كأمثلة سلبية، تحقق ProCA مُنَفَّذة مُتميزة على مهام التكييف التقليدية، مثل: GTA5 → Cityscapes وSYNTHIA → Cityscapes. يمكن الوصول إلى الكود من خلال الرابط: \href{https://github.com/jiangzhengkai/ProCA}{ProCA}