摘要
无监督域自适应（Unsupervised Domain Adaptation, UDA）旨在通过利用一个带有标签的源域数据集，并将其知识迁移至一个相似但不同的目标域数据集，从而克服数据标注过程繁琐的问题。与此同时，当前的视觉-语言模型展现出卓越的零样本预测能力。在本工作中，我们结合了UDA所获得的知识与视觉-语言模型固有的先验知识，提出了一种强-弱引导学习机制，利用零样本预测结果来促进源域与目标域之间的对齐。在强引导机制中，我们通过引入目标域中置信度最高的样本对源域数据集进行扩展，以增强模型对目标域特征的感知能力；而在弱引导机制中，我们采用知识蒸馏损失（knowledge distillation loss），并利用（偏移后的）零样本预测结果生成软标签，对整个目标域数据进行指导。强引导使用硬标签，但仅作用于目标域中置信度最高的预测结果；而弱引导则作用于整个目标域数据，使用软标签进行训练，从而提供更平滑、更具鲁棒性的监督信号。实验结果表明，所提出的方法能够与视觉-语言模型的提示调优（prompt adaptation）技术相辅相成，并显著提升整体性能。我们在三个主流基准数据集（Office-Home、VisDA 和 DomainNet）上进行了充分的实验与消融研究，结果表明该方法在多个任务上均优于当前最先进的技术。进一步的消融分析也验证了算法中各组件的独立贡献，充分说明了强-弱双引导机制的有效性与协同作用。