Kontrastiver Nahraum für unüberwachte Domänenanpassung

Neuere Methoden der unsupervisierten Domänenanpassung haben den vicinalen Raum zwischen Quell- und Zieldomänen genutzt. Allerdings wurde das Problem des Gleichgewichtsverfalls der Labels – bei dem die Quelllabels in den Vorhersagen vicinaler Instanzen dominieren – bisher nicht adressiert. In diesem Paper stellen wir eine instanzweise Minimax-Strategie vor, die die Entropie instabiler, hochunsicherer Instanzen im vicinalen Raum minimiert, um das genannte Problem zu lösen. Wir teilen den vicinalen Raum durch die Lösung des Minimax-Problems in zwei Teilräume auf: den kontrastiven Raum und den Konsensraum. Im kontrastiven Raum wird die Unterschiedlichkeit zwischen den Domänen durch die Einschränkung von Instanzen auf kontrastierende Ansichten und Labels reduziert, während im Konsensraum die Verwirrung zwischen intra-domänen Kategorien verringert wird. Die Wirksamkeit unserer Methode wird an öffentlichen Benchmarks wie Office-31, Office-Home und VisDA-C demonstriert, wobei state-of-the-art Ergebnisse erzielt werden. Darüber hinaus zeigen wir, dass unsere Methode auch auf PACS die derzeitigen state-of-the-art-Methoden übertrifft, was darauf hinweist, dass unser instanzbasierter Ansatz auch für die Multi-Source-Domänenanpassung gut funktioniert. Der Quellcode ist unter https://github.com/NaJaeMin92/CoVi verfügbar.