SWAT: 滑动窗口对抗训练用于逐渐领域适应

于红博

摘要: 领域转移是损害机器学习性能的关键问题。无监督领域自适应（UDA）缓解了这个问题，但在领域转移陡峭和急剧时会受到影响。渐进领域自适应（GDA）通过逐渐从源领域向目标领域适应，使用多个中间领域来以温和的方式缓解这个问题。在本文中，我们提出了滑动窗口对抗训练（SWAT）用于GDA。SWAT首先制定对抗流以连接源领域和目标领域的特征空间。然后，设计了一个滑动窗口范式，沿着对抗流逐渐缩小相邻中间领域之间的小差距。当窗口移动到流的末端，即目标领域时，领域转移被明确减少。在六个GDA基准测试上的大量实验显示了SWAT的显著有效性，尤其是对于旋转的MNIST的改进达到了6.1％，对于CIFAR-100C的优势达到了4.1％，超过了先前方法。

更新时间: 2025-09-18 14:52:33

领域: cs.CV,cs.AI

下载: http://arxiv.org/abs/2501.19155v2