ソースフリードメイン適応のための適応的敵対ネットワーク

教師なしドメイン適応は、十分に注釈付けされたソースドメインとラベルなしのターゲットインスタンスの共存に伴う知識転移を解決します。しかし、多くの実用的なアプリケーションでは、データプライバシーや小型デバイスのメモリ容量不足のためにソースドメインに常にアクセスできるわけではありません。このシナリオはソースフリードメイン適応と定義され、学習のために十分に訓練されたソースモデルへのアクセスのみが許可されます。ソースデータの利用不可という課題に対処するために、Adaptive Adversarial Network (A 2 Net)という3つの構成要素を含むモデルを開発しました。具体的には、最初の要素であるAdaptive Adversarial Inferenceは、提供されたソース特化型分類器が認識しにくいサンプルの識別を促進するターゲット特化型分類器を探索します。次に、Contrastive Category-wise Matchingモジュールは、各2つのターゲット画像間の正の関連性を利用して各カテゴリーの部分空間の密集度を強化します。第三に、Self-Supervised Rotationは、ターゲット画像自身から追加の意味情報を学習させることを促進します。広範なクロスドメインベンチマークでの実験により、ソースデータを一切用いずに適応タスクを解決する当モデルの有効性が検証されました。